豆蔻妇科大模型再突破：钉钉行业训练平台+精标数据SFT ，准确率从 77.1%上升至 90.2%

市场资讯07-10

炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！在医疗 AI 领域，通用大语言模型虽凭借海量互联网数据训练具备广泛知识覆盖面，但在需高度专业判断的临床场景中表现欠佳。当医生询问疾病鉴别诊断时，通用模型可能给出不准确甚至错误建议，这在严肃的医疗决策中不可接受。大家都知道监督微调（SFT）技术是解决上述难题性价比较比较高的方案之一，但SFT也需要具体一定的条件：如高质的数据集...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2550614919?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-07-10 15:39","share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","id":"2550614919","market":"fut","top_or_hot":-1,"title":"豆蔻妇科大模型再突破：钉钉行业训练平台+精标数据SFT ，准确率从 77.1%上升至 90.2%","media":"市场资讯","content":"<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 在医疗 AI 领域，通用大语言模型虽凭借海量互联网数据训练具备广泛知识覆盖面，但在需高度专业判断的临床场景中表现欠佳。当医生询问疾病鉴别诊断时，通用模型可能给出不准确甚至错误建议，这在严肃的医疗决策中不可接受。大家都知道监督微调（SFT）技术是解决上述难题性价比较比较高的方案之一，但SFT也需要具体一定的条件：如高质的数据集...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-07-10/doc-infeypam3762985.shtml\">网页链接</a>\n\n</div>\n","source":"sina","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>豆蔻妇科大模型再突破：钉钉行业训练平台+精标数据SFT ，准确率从 77.1%上升至 90.2%</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n豆蔻妇科大模型再突破：钉钉行业训练平台+精标数据SFT ，准确率从 77.1%上升至 90.2%\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-07-10 15:39 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/t/2025-07-10/doc-infeypam3762985.shtml><strong>市场资讯</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 在医疗 AI 领域，通用大语言模型虽凭借海量互联网数据训练具备广泛知识覆盖面，但在需高度专业判断的临床场景中表现欠佳。当医生询问疾病鉴别诊断时，通用模型可能给出不准确甚至错误建议，这在严肃的医疗决策中不可接受。大家都知道监督微调（SFT）技术是解决上述难题性价比较比较高的方案之一，但SFT也需要具体一定的条件：如高质的数据集...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-07-10/doc-infeypam3762985.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"LU0140636845.USD","symbol_name":"施罗德大中华区股票A Acc","start_time":0,"source_url":"https://finance.sina.com.cn/stock/t/2025-07-10/doc-infeypam3762985.shtml","article_id":"2550614919","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2550614919","pubTimestamp":1752133140,"columns":[],"sourceInfo":{"source_id":"sina","name":"sina"},"weMediaInfo":null,"summary":"豆蔻妇科大模型的模型调优经历了两个关键优化阶段：以下是豆蔻妇科大模型从第一个版本的准确率77.1%，通过进一步的SFT后，准确率达到90.2%我们团队的一些方法和心得，供大家参考，欢迎留言讨论。例如，针对 “患者出现阴道出血症状，诊断为宫颈病变” 等诊断结论，依据医学知识库中的关联规则，自动评估其逻辑合理性与临床可行性。在这一阶段的调优过程中，钉钉企业专属AI平","collect":0,"end_time":0,"defaultTopTitle":"sina.com.cn","property":[],"viewcount":null,"language":"zh","relate_stocks":{"89988":"阿里巴巴-WR","LU0140636845.USD":"施罗德大中华区股票A Acc","BK1521":"挪威政府全球养老基金持仓","LU0163747925.USD":"EASTSPRING INVESTMENTS ASIAN EQUITY A ACC","LU0029875118.USD":"TEMPLETON ASIAN GROWTH \"A\" INC","LU0048580855.USD":"富达大中华区A","LU0029874905.USD":"TEMPLETON EMERGING MARKETS \"A\" INC","LU1323998911.USD":"BGF ASIAN MULTI-ASSET INCOME \"A\" (USD) ACC","LU0516423174.USD":"FULLERTON LUX FUNDS - ASIA FOCUS EQUITIES \"I\" (USD) ACC","LU0819123356.HKD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED GROWTH \"AC\" (HKD) ACC","LU0593848301.USD":"未来资产亚洲卓越消费股票基金A","LU0642271901.SGD":"Janus Henderson Horizon Global Technology Leaders A2 SGD-H","LU0588546209.SGD":"Eastspring Investments - China Equity Fund AS SGD","LU2242644610.SGD":"Fidelity China Innovation A-ACC-SGD","LU0293314216.USD":"ALLIANZ GEM EQUITY HIGH DIVIDEND \"A\" (USD) ACC","LU0499858602.USD":"NINETY ONE GSF ASIA PACIFIC EQUITY OPPORTUNITIES \"A\" (USD) ACC","LU0823397285.USD":"BNP PARIBAS SUSTAINABLE ASIA EX-JAPAN EQUITY \"C\" (USD) INC","LU0348735423.USD":"ALLIANZ HONG KONG EQUITY \"A\" (USD) INC","LU0449515922.USD":"HSBC GIF GLOBAL EMERGING MARKETS EQUITY \"PC\" (USD)ACC","LU0577902371.SGD":"FULLERTON LUX FUNDS - ASIA GROWTH & INCOME EQUITIE \"I\" (SGD) ACC","SG9999014674.SGD":"Nikko AM All China Equity A SGD","LU1051768304.USD":"贝莱德新兴市场股票收益A6","LU0979878070.USD":"FULLERTON LUX FUNDS - ASIA ABSOLUTE ALPHA \"A\" (USD) ACC","IE0034224299.USD":"PINEBRIDGE ASIA EX JAPAN EQUITY \"A\" (USD) ACC","LU0329678337.USD":"FIDELITY EMERGING ASIA \"A\" (USD)","LU0449509016.USD":"HSBC GIF BRIC EQUITY \"AC\" (USD) ACC","LU0348805143.USD":"ALLIANZ ENHANCED ALL CHINA EQUITY \"A\" (USD) INC","LU1808992512.USD":"AB ALL CHINA EQUITY PORTFOLIO \"A\" (USD) ACC","HBBD.SI":"Alibaba HK SDR 5to1","LU1515016050.SGD":"Blackrock Emerging Markets Equity Income A6 SGD-H","LU0737861772.HKD":"FIDELITY EMERGING ASIA \"A \" (HKD) ACC","LU0516423091.SGD":"FULLERTON LUX FUNDS - ASIA FOCUS EQUITIES \"I\" (SGD) ACC","LU0345776255.USD":"NINETY ONE GSF ASIAN EQUITY \"A\" (USD) INC","BK1517":"云办公","BK1615":"港股-互联网","BK1584":"蚂蚁金服概念","LU1568876335.HKD":"ALLIANZ CHINA MULTI INCOME PLUS \"AMG\" (HKD) INC","LU0488056044.USD":"Allianz Asian Multi Income Plus Cl AM DIS USD","LU0348784397.USD":"ALLIANZ ORIENTAL INCOME \"A\" (USD) ACC","LU0084288322.USD":"Natixis Asia Equity RD USD","LU1201861165.SGD":"Natixis Harris Associates Global Equity PA SGD","LU0611395673.USD":"NINETY ONE GSF EMERGING MARKETS EQUITY \"A\" (USD) ACC","LU0640798160.USD":"EASTSPRING INVESTMENTS GLOBAL EMERGING MARKET DYNAMIC \"A\" (USD) ACC","SFT":"Shift Technologies, Inc.","SG9999001689.USD":"施罗德亚洲成长股票","LU0315178854.USD":"EASTSPRING INVESTMENTS ASIAN EQUITY INCOME \"A\" ACC","LU0831103253.SGD":"JPMorgan Funds - Asia Pacific Income A (mth) SGD"},"translate_title":"Cardamom gynecological large model makes another breakthrough: DingTalk industry training platform + fine standard data SFT, the accuracy rate increased from 77.1% to 90.2%","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"89988":0.6,"SFT":1,"ALBmain":0.6,"HBBD.SI":0.6},"content_text":"炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 在医疗 AI 领域，通用大语言模型虽凭借海量互联网数据训练具备广泛知识覆盖面，但在需高度专业判断的临床场景中表现欠佳。当医生询问疾病鉴别诊断时，通用模型可能给出不准确甚至错误建议，这在严肃的医疗决策中不可接受。大家都知道监督微调（SFT）技术是解决上述难题性价比较比较高的方案之一，但SFT也需要具体一定的条件：如高质的数据集，同时由于医疗数据的特殊性和复杂性，模型调优的过程可能非常耗时且难以预测。同时SFT是一个迭代优化的过程，需要不断地对模型进行训练、评测和优化。豆蔻妇科大模型的模型调优经历了两个关键优化阶段：以下是豆蔻妇科大模型从第一个版本的准确率77.1%，通过进一步的SFT后，准确率达到90.2%我们团队的一些方法和心得，供大家参考，欢迎留言讨论。一、训练数据集的科学筛选（数据集构建与质量控制）在对优质训练数据集的筛选过程中，我们实施了三个关键步骤：第一是系统化数据清理，通过建立严格的质量控制标准，重点关注推理与结果的一致性检查，筛选出answer与ground truth不一致的样本，特别是那些思考过程和输出结果不一致的情况，这类数据被视为低质量数据。同时进行逻辑链条完整性验证，确保每个诊断结论都有充分的症状支撑和推理依据，并对医学常识合理性进行筛查，剔除违背基本医学原理的数据，如\"男性患者诊断为妊娠\"这类明显错误，以及症状关联性不合理的数据，比如\"无性生活但指定避孕方式是避孕套\"的情况。同时，对训练数据集覆盖度的平衡也做了一些策略：第二是蒸馏数据的校准环节，这是确保思维链COT（Chain-of-Thought）数据质量的关键步骤。所有COT数据必须保持推理一致性，COT必须能够完整支撑最终的诊断结果，特别是在诊断优先级排序上要有明确依据。每个诊断的优先级都需要有清晰的医学依据支撑，比如\"妊娠排在第一位是因为患者月经推迟大于7天，且近期有性生活史\"。为保障鉴别诊断的完备性，需系统性覆盖全部潜在鉴别诊断方案，并针对各诊断结论提供充分的医学依据与论证支撑，蒸馏校准流程具体实施细则如下：人工标注环节：由内部的专业医学专家团队，依据现行医学行业标准，对症状数据实施规范化标注作业，构建标准化诊断结果集，为后续流程奠定基准参照体系。模型推理环节：以标注后的症状数据及人工诊断结果为基准，借助教师模型开展推理运算，生成包含初步思维链（COT）的推理过程及诊断结论。完整性质控环节：采用双重验证机制，重点核查以下核心要素：格式规范性验证：严格对照 “1 个最可能诊断 + 2-5 个其他潜在诊断 + 检查项目建议 + 处置方案建议 + 注意事项说明” 的标准化输出格式，确保诊断结果格式完整、规范；诊断结论一致性验证：通过将模型输出的诊断结果与人工标注的标准答案进行逐点比对，保障二者完全契合，杜绝任何结论偏差。智能自动化校验：引入智能规则引擎，基于预设的医学逻辑规则，对症状描述与诊断结论之间的匹配合理性进行自动化校验。例如，针对 “患者出现阴道出血症状，诊断为宫颈病变” 等诊断结论，依据医学知识库中的关联规则，自动评估其逻辑合理性与临床可行性。优化提升环节：由医学专家团队对质控后的结果进行人工校准与增强，通过迭代式蒸馏优化策略，持续完善数据质量，确保每个训练样本均具备完整且严谨的推理逻辑链条，以及精准可靠的诊断结论。第三是持续迭代优化阶段：使用优化后的模型对新数据进行推理生成，通过自动化评测系统筛选出评分8分以上的高质量样本加入训练集，进行新一轮SFT训练，形成\"训练-评测-筛选-再训练\"的良性循环。在整个过程中，我们持续监控多项关键指标，包括模型在测试集上的准确率变化、六大核心症状的分项得分以及罕见病例的识别准确率，确保模型性能得到全方位提升。二、双重评估体系：确保医学准确性为了评测答案的准确性，我们构建了一套完整的模型质量评估体系，包含自动化评测和人工审核两个关键环节（上图）。在自动化评测方面，我们开发了基于大模型的裁判系统，该系统采用DeepSeek R1级别的高性能语言模型作为核心评测引擎，按照医生制定的10分制标准对模型输出进行客观评分。这个自动化系统具有三大核心特点：首先，它采用模型驱动评测机制，确保评分过程的准确性和一致性；其次，通过将医生的评估标准转化为结构化的prompt，建立标准化的评分框架；最后，系统支持批量自动化处理，能够快速完成大量样本的评测，提升评估效率。为补充自动化评测的不足，我们建立了严格的医生修正反馈机制。由内部妇科专家团队对模型输出进行人工审核，特别关注那些处于评分边界或存在争议的边缘案例。专家们会详细检查模型输出的诊断建议，将修正意见反馈到训练数据中，形成\"评估-修正-优化\"的闭环迭代机制。这个人机协同的评估体系既保证了评测效率，又确保了专业质量，为模型的持续优化提供了可靠保障。经验教训与挑战在垂直领域模型训练中，尽管有许多论文和教材提供指导，但实际操作中仍面临诸多挑战。初期，我们过度依赖了人工标注，导致训练集数据积累缓慢、效率低下且成本高昂。后面经过策略的调整，设置了“机器蒸馏→专家审核→训练后评估”的体系后，数据生产效率显著提升。同时，针对思维链推理过程与最终诊断结果脱节的问题，建立严格的逻辑一致性检查机制，确保每个推理步骤都能有效支撑最终结论，避免模型学习出现混乱。训练数据集过度集中在常见病，导致模型对罕见病识别能力不足。为此，我们采用平衡采样策略，对罕见病例进行针对性采样，确保各类疾病都能获得足够的训练样本。在评测标准方面，人工评测存在主观性强、标准不统一的问题，我们引入另一个大模型作为标准化评测工具，有效保证了评分的客观性和一致性。这些措施共同构成了一个完整的质量保障体系，为专业领域模型的开发提供了可靠支撑。在医疗大模型的实际应用中，用户的问题往往零散且不完整，需要模型具备多维思考模式。医疗领域的容错率极低，大模型不仅要“说出知道的”，更要对依据不足或不确定的情况给出尽可能专业的诊断。豆蔻妇科大模型以真实临床路径为蓝本，在病例分析过程中不仅精准定位“滴虫性阴道炎”为首要诊断，还同步考虑性传播疾病、宫颈病变等多种鉴别诊断，并基于患者17岁青春期特征纳入“排卵障碍性出血”评估，形成多层级诊断网络。这种“全链路思维”在复杂症状场景中尤为凸显：当患者出现“灰黄色血性白带 + 尿频”复合症状时，模型通过逻辑链条解析，最终生成包含6项检查建议（白带常规、性传播疾病核酸检测等）及分层治疗方案（甲硝唑用药 + 性伴侣同治），从“疾病诊断”到“治疗方案”的临床全链路思考。这一过程对人力和医学专业能力要求极高。有人说训练大模型，更多的是对数据的清洗、标注，对并模型给出的答案不断进行反馈、纠正。我们不是在教机器“选对答案”，而是在让 AI 学会像医生一样思考，这也是医疗大模型最大的挑战。关于训练平台这一次，我们选择了钉钉企业专属AI平台，作为我们的训练调优核心工具。钉钉企业专属AI平台是一款一站式企业专属大模型生产平台，专为有调优、后训练需求的企业和开发者量身打造，提供从数据治理、高效训练到灵活部署的完整端到端工具链，全方位助力企业实现大模型的高效落地与优化。在这一阶段的调优过程中，钉钉企业专属AI平台发挥了至关重要的作用。它覆盖SFT/RFT（GRPO）两种训练方法，提供分布式训练、多Lora部署等加速优化手段，通过页面后台和SDK两种模式，为我们的训练调优提供了强大的技术支持。在钉钉专业技术人员的紧密协同下，我们实现了训练效率的大幅提升，将单次训练时长从26小时缩短至7小时，降幅高达73%。这一显著的优化成果，充分体现了钉钉炼丹炉大模型服务平台在提升训练效率、降低训练成本方面的卓越价值，也彰显了钉钉在大模型训练领域的强大技术实力和专业服务能力。SFT作为医学大模型构建基础能力的核心环节，其重要性不言而喻。它不仅是模型能否输出符合医学规范安全建议的关键，更是通过高质量思维链数据的训练，使模型得以掌握标准诊断逻辑、实现推理透明化，并广泛覆盖常见临床场景的基础。展望未来，我们团队将积极探索SFT+RL的协同训练范式，以应对临床推理中的双重挑战。SFT将确保模型对基础医学知识的结构化掌握，培养起“循证思维”；而RL则将在实际应用中锤炼模型的判断力，助其形成“临床直觉”。我们坚信，这种双重训练模式将使AI不仅具备给出符合医学指南建议的能力，更能针对复杂病例进行上下文感知的个性化推理，最终实现从“医学词典”到“会诊专家”的华丽蜕变。让我们共同期待这一天的到来！（转自：网易科技）\n\n\n海量资讯、精准解读，尽在新浪财经APP","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"1","news_tag":"","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.35.12","shortVersion":"4.35.12","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2550614919","isCrawlerRequest":true}