大语言模型 (LLM) 已迅速成为科学研究的变革力量，彻底改变了科学家处理复杂问题、分析数据和产生新见解的方式。本文重点介绍 2024 年在科学研究中十个案例，展示了 LLM 在各个科学领域的多样化和有影响力的应用。

我们提出了一个医疗大语言模型的综合评测框架，具有以下三大特点：1.大规模综合性能评测：GenMedicalEval构建了一个覆盖16大主要科室、3个医生培养阶段、6种医学临床应用场景、基于40，000+道医学考试真题和55，000+三甲医院患者病历构建的总计100,000+例医疗评测数据。这一数据集从医学基础知识、临床应用、安全规范等层面全面评估大模型在真实医疗复杂情境中的整体性能，弥补了现有评测

为了探索LLM在药物不良事件检测方面的潜力，在这篇论文中一组来自加州大学旧金山分校（UCSF）和斯坦福大学（Stanford）的研究人员进行了一项试点研究，他们使用了一种新开发的临床LLM，UCSF BERT，来识别在使用非类固醇免疫抑制剂治疗炎症性肠病（IBD）后发生的严重不良事件（SAE）。因此，未来的工作需要使用更多的多中心数据来扩大研究范围，并探索更先进的模型架构和技术，如GPT或对抗学习

Medisearch使用人工智能技术，能够生成精确而简洁的健康和生物科学数据摘要。这意味着当您需要了解复杂的医学信息时，Medisearch可以迅速为您提供答案，而不需要深入研究大量文献。

根据公告，2023年国家自然科学基金中标项目中，人工智能+医学的课题方向成为了2023年国自然中标项目中重要的研究方向。下面就由“科研之心”对2023年国自然医学科学学部的中标项目中有关人工智能及大模型相关的课题汇总，统计如下：

它可以帮助您快速地浏览和理解论文的内容，生成论文的摘要和关键词，提高论文的阅读效率和理解深度。它可以帮助您设计和组织您的实验流程，生成实验的参数、数据和结果，提高实验的可重现性和可扩展性。它可以帮助您理解和分析您的代码或其他人的代码，生成代码的注释、文档和报告，提高代码的可维护性和复用性。它可以帮助您检查和优化您的代码，发现和解决代码的潜在问题，提高代码的性能和质量。它可以帮助您设置您常用的功能和

AI大模型将在创新药物研发的关键环节，例如药物靶点的发现与精准验证、药物分子结构的设计与智能优化、以及临床试验流程的智能化加速等领域，发挥日益关键的核心作用，从而大幅缩短新药研发的周期，显著降低药物研发的总体成本，加速创新型药物的上市进程，最终惠及更为广大的患者群体。AI辅助诊断、AI健康智能宣教等创新应用，可以将医生从部分重复性、低价值的繁琐工作中有效解放出来，显著提升医生的工作效率与单位时间内

炼丹重点描述模型调优的过程。蒸馏：模型蒸馏是一种模型压缩技术，它的目标是将一个大型、复杂的模型（被称为教师模型）的知识转移到一个小型、简单的模型（被称为学生模型）中。这个过程就像蒸馏一样，通过提取教师模型的关键信息（例如，它对数据的预测概率分布），并将这些信息用于训练学生模型，从而使学生模型能够模仿教师模型的行为，达到减小模型大小和计算复杂度的目的，同时保持较高的性能。这些术语都反映了机器学习和深

大语言模型 (LLM) 已迅速成为科学研究的变革力量，彻底改变了科学家处理复杂问题、分析数据和产生新见解的方式。本文重点介绍 2024 年在科学研究中十个案例，展示了 LLM 在各个科学领域的多样化和有影响力的应用。

根据公告，2023年国家自然科学基金中标项目中，人工智能+医学的课题方向成为了2023年国自然中标项目中重要的研究方向。下面就由“科研之心”对2023年国自然医学科学学部的中标项目中有关人工智能及大模型相关的课题汇总，统计如下：