Abstract：
目的:构建基于大模型的医患对话摘要生成系统,在无需任何标注数据的情况下,自动提取和总结医患对话中的关键医学信息.方法:借助规模较大的大语言模型对医患对话数据进行预标注,然后基于这批伪平行数据对参数规模较小的大语言模型进行训练;推理阶段引入语境学习方法,提供少量示例结合指令工程,使大语言模型能更精准地理解医患对话,生成最终的摘要.结果:该研究构建的系统在保留关键医疗信息方面显著优于现有的无监督摘要生成技术及大语言模型.结论:使用大参数大语言模型对医患对话进行预标注,利用知识蒸馏方法可以实现小参数模型对大参数模型的能力继承,以降低对训练数据的依赖,提升模型通用性和可移植性.
Keyword：
Reprint Author's Address：
Email：
Source ：
中国数字医学
ISSN： 1673-7571
Year： 2025
Issue： 4
Volume： 20
Page： 47-54
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
