医疗 AI 正从大模型转向小专模
krishnan · x · 2026-07-14
这篇 Nature Biomedical Engineering 评论讨论了医疗场景里小模型 vs 大模型的现实取舍：医院并不总需要“最聪明”的模型，而是需要能满足隐私、延迟和预算约束的模型。
文中给出几组关键观察：一个 671B 模型在医师执照考试上输给了 8B 模型；同一个 8B 模型在通用医学知识上只拿到 45%，约为 GPT-4o 的一半。更重要的是，未经约束的小模型在简短回答任务里的幻觉率高达 80%，但在经过微调和提示约束、并限定为结构化病历生成这类单一任务后，错误率可以降到不高于人类文书错误率。
作者的结论是：安全是部署属性，不是模型属性。更可行的架构是：用小型专用模型 + 编排层处理具体任务，由大模型在上游充当教师，而不是直接进“考试/临床现场”。文章还强调了算力和经济现实——例如一个 175B 模型约需 350GB 内存、5 张 A100，年耗电可达 35,000 kWh，而很多低收入国家人均年用电量都不到 1,000 kWh。
「应用」频道最新
- Instinct 推出 agent 互联协议,让 AI 替你和配偶约日程引争议 — itsOmSarraf_ · 2026-09-11
- RTX 3060 全本地语音助手复刻 GPT Live 官方演示，6 分钟跑完全程 — liampetti · 2026-09-11
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- 17 年录像 443 万条:Internet Archive 让你全文检索电视直播 — moonsandhues · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11