大语言模型中医药领域测评基准数据集构建规范PPT课件.pptxVIP

大语言模型中医药领域测评基准数据集构建规范

目录

02

数据收集规范

01

引言与背景

03

数据处理标准

04

测评指标定义

05

验证与评估方法

06

实施与维护

引言与背景

01

项目目标与范围界定

动态扩展性

基准需支持后续新增学科（如针灸、推拿）与题型（如病例分析题），以适应中医药知识体系的持续更新与模型迭代需求。

多维度能力评测

设计涵盖知识掌握（如经典条文记忆）、临床推理（如辨证论治）、实践应用（如方剂推荐）的测评框架，全面检验LLMs在中医药场景下的性能表现。

标准化评估需求

针对中医药领域大语言模型（LLMs）缺乏统一测评标准的问题，明确构建覆盖中医基础理论、临床实践、方剂配伍等核心学科的综合测评基准，确保评估的科学性与可比性。

中医术语多源于古籍，存在一词多义（如“气”可指功能活动或物质基础）、古今异义（如“伤寒”涵盖广义外感病）等特点，需在数据标注中严格统一术语标准。

术语复杂性

数据集需平衡《黄帝内经》等经典文献与现代临床指南内容，避免模型因数据偏倚过度依赖古代理论或忽视现代进展。

古籍与现代知识融合

中医诊疗强调个体化辨证，需测评模型能否结合四诊信息（望闻问切）动态推理，而非机械匹配标准答案。

辨证论治逻辑

中医理论蕴含阴阳五行等哲学概念，需评估模型能否理解其隐喻关联（如“肝主疏泄”与情绪调节的关联）。

文化背景依赖性

中医药领域特殊性分析

01

02

0