使用场景

在临床实践中辅助医生进行病症判断和治疗方案推荐

用于医学教育，帮助学生学习和理解复杂的医学知识

支持医疗研究，通过文本生成和推理辅助医学论文撰写

产品特色

从零开始训练，基于20万亿token的高质量医疗与通用数据

针对20多个医疗科室进行细粒度建模，提升专业性能

引入短卷积注意力机制，显著提升上下文学习能力

采用滑动窗口注意力机制，优化长序列任务表现

多阶段课程学习与对齐优化，全面提升模型能力

提供Base模型和Instruct模型，满足不同使用场景

支持快速部署和推理，适配多种应用场景

使用教程

1. 访问 Hugging Face 平台，加载 Baichuan-M1-14B-Instruct 模型

2. 使用 AutoTokenizer 和 AutoModelForCausalLM 初始化模型和分词器

3. 输入提示文本，如医学问题或任务指令

4. 调用模型生成文本，设置最大生成长度等参数

5. 解码生成的文本并输出结果，用于进一步分析或应用