专注于医疗领域的土耳其医学法律硕士（LLM）项目：通过真实的患者-医生问答数据进行培训，以提升医学洞察力

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Healthcare-Focused Turkish Medical LLM: Training on Real Patient-Doctor Question-Answer Data for Enhanced Medical Insight

开发土耳其医疗领域专用大语言模型，基于167,732个真实医患问答对进行LoRA低秩适应细调，采用Slerp融合缓解灾难性遗忘，经相似度评分、GPT-3.5评估和专家审查验证医学回答准确性，为土耳其医疗提供AI支持工具，促进语言包容性。

　　

摘要

开发针对土耳其语医疗领域的通用大型语言模型（LLM），为提高人工智能对土耳其语医疗从业者和患者的可用性和相关性提供了独特的机会。本研究介绍了一个专门为土耳其医疗领域设计的LLM，该模型在来自可信医疗平台的167,732对真实的患者-医生问答数据上进行微调，从而捕捉到了土耳其医疗语言中的真实语言特征。在微调过程中，采用了LLAMA 3等模型，并结合了低秩适应（LoRA）技术以及创新的方法来减轻灾难性遗忘现象，例如球形线性插值（Slerp）合并算法。通过相似度评分、GPT-3.5评估和专家评审对模型性能进行了评估，结果表明该模型在生成医学上准确的回答方面取得了显著提升。这一土耳其医疗专用LLM展示了其在土耳其医疗环境中支持医疗决策和患者互动的潜力，为提升跨语言的人工智能包容性提供了重要资源。