{"id":13525250,"url":"https://github.com/2020MEAI/TCMLLM","last_synced_at":"2025-04-01T04:31:33.688Z","repository":{"id":185339863,"uuid":"659532577","full_name":"2020MEAI/TCMLLM","owner":"2020MEAI","description":"中医药大模型","archived":false,"fork":false,"pushed_at":"2023-08-08T09:25:41.000Z","size":108,"stargazers_count":113,"open_issues_count":8,"forks_count":14,"subscribers_count":6,"default_branch":"main","last_synced_at":"2024-11-02T09:33:41.394Z","etag":null,"topics":[],"latest_commit_sha":null,"homepage":null,"language":null,"has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/2020MEAI.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null}},"created_at":"2023-06-28T03:27:58.000Z","updated_at":"2024-11-02T02:43:53.000Z","dependencies_parsed_at":null,"dependency_job_id":"95b12f4b-4411-4d03-8d2a-534ba5b4ca89","html_url":"https://github.com/2020MEAI/TCMLLM","commit_stats":null,"previous_names":["2020meai/tcmllm"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/2020MEAI%2FTCMLLM","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/2020MEAI%2FTCMLLM/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/2020MEAI%2FTCMLLM/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/2020MEAI%2FTCMLLM/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/2020MEAI","download_url":"https://codeload.github.com/2020MEAI/TCMLLM/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":246586087,"owners_count":20801025,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":[],"created_at":"2024-08-01T06:01:17.139Z","updated_at":"2025-04-01T04:31:33.424Z","avatar_url":"https://github.com/2020MEAI.png","language":null,"funding_links":[],"categories":["🤖 模型","Codes for Special Purposes (XXII)","Specialized Medical LLMs","A01_文本生成_文本对话","Medical LLMs \u0026 Foundation Models","中文医疗大模型","大模型列表"],"sub_categories":["🧩 领域模型","大语言对话模型及数据"],"readme":"\n# TCMLLM: 中医药大模型\n\n\n   中医药大语言模型项目（TCMLLM）拟通过大模型方式实现中医临床辅助诊疗（病证诊断、处方推荐等）中医药知识问答等任务，推动中医知识问答、临床辅助诊疗等领域的快速发展。\n\n   目前针对中医临床智能诊疗问题中的处方推荐任务，发布了中医处方推荐指令微调大模型TCMLLM-PR。\n\n\n## TCMLLM-PR 面向中医处方推荐的大模型\n\n本项目针对中医临床智能诊疗问题中的处方推荐任务，通过整合真实世界临床病历、医学典籍与中医教科书等数据，构建了包含68k数据条目（共10M token）的处方推荐指令微调数据集，并使用此数据集，在ChatGLM大模型上进行大规模指令微调，最终得到了中医处方推荐大模型TCMLLM-PR。\n\n\n### 更新日志\n**[2023/08/01] 面向处方推荐的大模型TCMLLM-PR**\n\n[2023/06] 项目启动\n\n### A Quick Start\n\n1. 首先需要下载[ChatGLM-6B](https://github.com/THUDM/ChatGLM-6B)原始模型代码和参数，并配置依赖环境\n2. 下载 TCMLLM 模型参数，将checkpoint压缩文件解压到 ChatGLM-6B/ptuning/ 路径下\n + 百度网盘链接: https://pan.baidu.com/s/1QFx-206Ww9Xt-7_Z0RF85g 提取码: iwg3 \n\n\n  \n### 指令微调数据集\n\n\n#### 数据集介绍\n\n   本项目构建的指令微调数据集包含8个数据来源，涵盖4本中医经典教科书《中医内科学》、《中医外科学》、《中医妇科学》和《中医儿科学》（即“内外妇儿”，**I**nternal medicine，**S**urgery， **G**ynecology，**P**ediatrics，简称ISGP）、2020版中国药典（**Ch**inese **p**harmacopeia，简称CHP）、中医临床经典医案数据（**C**hinese **M**edicine **C**linical **C**ases，简称CMCC）、以及多个三甲医院的涵盖肺病（简称Lung）、中风病（简称Stroke）、糖尿病（简称Diabetes）、肝病（简称Liver）、脾胃病（Splenic and stomach diseases，简称SSD）等多病种的临床病历数据。8个数据集共68k条，token总数约为10M（输入token总数为5M、输出token总数为4M），统计信息如下表。\n\n\u003ctable\u003e\n\t\u003ctr\u003e\n        \u003cth\u003e类型\u003c/th\u003e\n\t    \u003cth\u003e名称\u003c/th\u003e\n\t    \u003cth\u003e简称\u003c/th\u003e\n\t\t\u003cth\u003e数量\u003c/th\u003e\n\t\t\u003cth\u003e来源\u003c/th\u003e\n\t\t\u003cth\u003e输入token总数\u003c/th\u003e\n\t\t\u003cth\u003e输出token总数\u003c/th\u003e\n\t\t\u003cth\u003etoken总数\u003c/th\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd rowspan=\"3\"\u003e知识\u003c/td\u003e\n\t    \u003ctd\u003e内外妇儿\u003c/td\u003e\u003ctd\u003eISGP\u003c/td\u003e\u003ctd\u003e2k\u003c/td\u003e\u003ctd\u003e中医4本教材\u003c/td\u003e\u003ctd\u003e218k\u003c/td\u003e\u003ctd\u003e75k\u003c/td\u003e\u003ctd\u003e294k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e药典\u003c/td\u003e\u003ctd\u003eCHP\u003c/td\u003e\u003ctd\u003e1k\u003c/td\u003e\u003ctd\u003e中国药典2020版\u003c/td\u003e\u003ctd\u003e85k\u003c/td\u003e\u003ctd\u003e50k\u003c/td\u003e\u003ctd\u003e136k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e医案\u003c/td\u003e\u003ctd\u003eCMCC\u003c/td\u003e\u003ctd\u003e15k\u003c/td\u003e\u003ctd\u003e临床经典医案\u003c/td\u003e\u003ctd\u003e163k\u003c/td\u003e\u003ctd\u003e613k\u003c/td\u003e\u003ctd\u003e225k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd rowspan=\"6\"\u003e临床\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e肺病\u003c/td\u003e\u003ctd\u003eLung\u003c/td\u003e\u003ctd\u003e15k\u003c/td\u003e\u003ctd\u003e中医医院1\u003c/td\u003e\u003ctd\u003e755k\u003c/td\u003e\u003ctd\u003e849k\u003c/td\u003e\u003ctd\u003e160k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e中风病\u003c/td\u003e\u003ctd\u003eStroke\u003c/td\u003e\u003ctd\u003e5k\u003c/td\u003e\u003ctd\u003e中医医院2\u003c/td\u003e\u003ctd\u003e298k\u003c/td\u003e\u003ctd\u003e294k\u003c/td\u003e\u003ctd\u003e593k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e糖尿病\u003c/td\u003e\u003ctd\u003eDiabetes\u003c/td\u003e\u003ctd\u003e8k\u003c/td\u003e\u003ctd\u003e中医医院3\u003c/td\u003e\u003ctd\u003e494k\u003c/td\u003e\u003ctd\u003e262k\u003c/td\u003e\u003ctd\u003e756k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e肝病\u003c/td\u003e\u003ctd\u003eLiver\u003c/td\u003e\u003ctd\u003e2k\u003c/td\u003e\u003ctd\u003e中医医院4\u003c/td\u003e\u003ctd\u003e86k\u003c/td\u003e\u003ctd\u003e116k\u003c/td\u003e\u003ctd\u003e202k\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e脾胃病\u003c/td\u003e\u003ctd\u003eSSD\u003c/td\u003e\u003ctd\u003e17k\u003c/td\u003e\u003ctd\u003e中医医院5\u003c/td\u003e\u003ctd\u003e2M\u003c/td\u003e\u003ctd\u003e2M\u003c/td\u003e\u003ctd\u003e4M\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t\t\u003ctd\u003e总计\u003c/td\u003e\u003ctd\u003e\u003c/td\u003e\u003ctd\u003eMixed\u003c/td\u003e\u003ctd\u003e68K\u003c/td\u003e\u003ctd\u003e\u003c/td\u003e\u003ctd\u003e5M\u003c/td\u003e\u003ctd\u003e4M\u003c/td\u003e\u003ctd\u003e10M\u003c/td\u003e\n\t\u003c/tr\u003e\n\n\u003c/table\u003e\n\n\n\n#### 数据集示例\n\n1. 中风病数据集示例\n```\n{\"Content\":\"请根据中风病患者的症状信息进行中医处方推荐。肢体活动不利,言语不利,肢体麻木,烦躁,口苦,口干,便秘\",\"Summary\":\"白僵蚕,炒白术,炒枳壳,刺蒺藜,大黄,当归,葛根,钩藤,厚朴,黄芪,菊花,牡蛎,片姜黄,全蝎,石决明,石菖蒲,首乌藤,酸枣仁,天麻,盐杜仲,郁金,远志,茯神,槲寄生\"}\n```\n2. 经典教材（内外妇儿）数据集示例\n```\n{\"Content\":\"请根据患者的症状信息进行中医处方推荐。恶寒,发热,无汗,头痛,肢体酸楚,鼻塞,声重,打喷嚏,鼻流清涕,咽痒,咳嗽,痰色白,痰稀薄,舌苔白,舌苔薄,脉浮,脉紧,恶寒甚\", \"Summary\":\"荆芥,防风,茯苓,独活,柴胡,前胡,川芎,枳壳,羌活,桔梗,薄荷,甘草\"}\n```\n3. 药典数据集示例\n```\n{\"Content\":\"请根据患者的症状信息进行中医处方推荐。燥热蕴肺所致的咳嗽、痰黄而黏不易咳出、胸闷气促、久咳不止、声哑喉痛\",\"Summary\":\"川贝母,知母,石膏,炒栀子,黄芩,蜜桑白皮,茯苓,炒瓜蒌子,陈皮,麸炒枳实,炙甘草,五味子\"}\n```\n\n### 训练细节\n\n#### 计算资源需求\n\n+ 训练阶段：TCMLLM-PR在两张3090显卡（24G显存*2）上完成训练。batch_size=16情况下单卡显存占用约23G，建议根据显存大小来调整batch_size。\n+ 推理阶段：显存占用约为14G。\n\n\n### 模型效果对比\n \u003ctable\u003e\n    \u003ctr\u003e\n        \u003ctd width=\"400\"\u003e\u003cb\u003eQuestion\u003c/b\u003e\u003c/td\u003e\n        \u003ctd width=\"400\"\u003e\u003cb\u003eChatGPT输出\u003c/b\u003e\u003c/td\u003e\n        \u003ctd width=\"400\"\u003e\u003cb\u003e通义千问输出\u003c/b\u003e\u003c/td\u003e\n        \u003ctd width=\"400\"\u003e\u003cb\u003eTCMLLM-PR输出\u003c/b\u003e\u003c/td\u003e\n        \u003ctd width=\"400\"\u003e\u003cb\u003eHuman\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据中风病患者的症状信息进行中医处方推荐。口角歪斜,吞咽呛咳,肢体活动不利,不能持物,不能行走,头晕,胸闷,干咳,日常生活能力重度下降\u003c/td\u003e\n      \u003ctd\u003e白芍,\u003cb\u003e甘草\u003c/b\u003e,生姜,大枣,桂枝,生薏苡仁,蜂蜜,人参,黄精,\u003cb\u003e党参\u003c/b\u003e,白术,\u003cb\u003e茯苓\u003c/b\u003e,熟地,山药,枸杞子,巴戟天,麦冬,陈皮,黄芩,连翘,金银花,银杏叶,红参,黄连等\u003c/td\u003e\n      \u003ctd\u003e黄芪,当归,白术,地龙,\u003cb\u003e全蝎\u003c/b\u003e,蜈蚣,桃仁,红花,赤芍,姜黄\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e白僵蚕,炒白术,穿山甲,胆南星,党参,独活,防风,甘草,瓜蒌,红曲,化橘红,姜半夏,全蝎,石菖蒲,天麻,郁金,竹茹,茯苓\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e白僵蚕,炒白术,穿山甲,胆南星,党参,独活,防风,甘草,瓜蒌,红曲,化橘红,姜半夏,全蝎,石菖蒲,天麻,郁金,竹茹,茯苓\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据中风病患者的症状信息进行中医处方推荐。肢体活动不利,肢体麻木,头晕,心慌,视物不清,痰少,痰白,眠差\u003c/td\u003e\n      \u003ctd\u003e桂枝,芍药,甘草,生姜,大枣,半夏,人参,黄芩,当归,麦冬,陈皮,白术,木通,\u003cb\u003e茯苓\u003c/b\u003e,枳实,川芎,越婢\u003c/td\u003e\n      \u003ctd\u003e川芎,当归,白芍,细辛,黄芪,党参,灸甘草,地龙,\u003cb\u003e全蝎,红花,桃仁\u003c/b\u003e,红参,\u003cb\u003e茯苓\u003c/b\u003e,桂枝,白术,泽泻\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e川贝母,胆南星,甘草,红花,红曲,化橘红,鸡血藤,姜半夏,全蝎,桑枝,石菖蒲,桃仁,郁金,远志,竹茹,茯苓\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e川贝母,胆南星,甘草,红花,红曲,化橘红,鸡血藤,姜半夏,全蝎,桑枝,石菖蒲,酸枣仁,桃仁,郁金,远志,竹茹,茯苓\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据患者的症状信息进行中医处方推荐。心悸,气短,头晕,目眩,失眠,健忘,面色无华,倦怠,乏力,纳呆,食少,舌淡,舌红,脉细,脉弱,阳虚而汗出肢冷\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e人参\u003c/b\u003e,黄芪,麦冬,枸杞子,熟地黄,\u003cb\u003e当归,白术\u003c/b\u003e,茯苓,陈皮,天麻,龙骨,牡蛎,\u003cb\u003e酸枣仁,远志\u003c/b\u003e,丹参,川芎,\u003cb\u003e生姜,大枣\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e黄芪,桂枝,白芍,\u003cb\u003e生姜\u003c/b\u003e,大枣\u003c/td\u003e\n      \u003ctd\u003e黄芪,\u003cb\u003e白术,当归,茯神,酸枣仁,远志,龙眼肉,炙甘草,木香,大枣\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e白术,当归,茯神,炙黄芪,龙眼肉,远志,酸枣仁,木香,炙甘草,人参,生姜,大枣\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据患者的症状信息进行中医处方推荐。小便黄赤,小便灼热,尿血,心烦,口渴,面赤,口疮,夜寐不安,舌质红,脉数,尿血较甚\u003c/td\u003e\n      \u003ctd\u003e黄柏,泽泻,车前草,丹参,金银花,生\u003cb\u003e地黄\u003cb\u003e,丝瓜络,玄参,天花粉,茯苓,\u003cb\u003e甘草\u003c/b\u003e\u003c/td\u003e\n        \u003ctd\u003e黄连,黄芩,黄柏,萆薢,萹蓄,瞿麦,\u003cb\u003e滑石,甘草\u003c/b\u003e\u003c/td\u003e\n        \u003ctd\u003e\u003cb\u003e小蓟,地黄,滑石,木通,蒲黄,藕节,淡竹叶\u003c/b\u003e,黄芩,\u003cb\u003e甘草\u003c/b\u003e\u003c/td\u003e\n        \u003ctd\u003e\u003cb\u003e小蓟,地黄,滑石,木通,蒲黄,藕节,淡竹叶,当归,栀子,甘草\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据肺病患者的症状信息进行中医处方推荐。大便困难,水肿,有喘息中,痛苦面容,气短,双侧鼻腔通畅,鼻翼煽动,皮肤未见出血点及蜘蛛痣,胸闷,双输尿管压痛点无明显压痛,肺部叩诊清音,咳嗽,头颅无压痛,腰酸,可闻及干湿性啰音,心脏震颤,纳差,咳痰,气喘,易感冒,下肢酸胀,头晕,尿频,精神不振,双肺呼吸音粗\u003c/td\u003e\n      \u003ctd\u003e杏仁,瓜蒌,\u003cb\u003e桔梗\u003c/b\u003e,苏叶,葶苈子,\u003cb\u003e半夏,黄芩,生甘草,川贝母\u003c/b\u003e,白芍,制附子\u003c/td\u003e\n      \u003ctd\u003e葶苈子,大枣,\u003cb\u003e桑白皮\u003c/b\u003e,杏仁,\u003cb\u003e黄芩\u003c/b\u003e,党参,甘草,猪苓,茯苓,泽泻,黄芪,桂枝,白芍,生姜,白术,\u003cb\u003e炙甘草\u003c/b\u003e,当归,升麻,柴胡\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e桑白皮\u003c/b\u003e,茯苓,\u003cb\u003e陈皮,山药\u003c/b\u003e,半夏,\u003cb\u003e紫菀,苦杏仁,地龙,白前,白果仁,\u003c/b\u003e瓦楞子,\u003cb\u003e桔梗,款冬花,贝母,前胡,麻黄,射干,甘草,\u003c/b\u003e罂粟壳,黄芪,\u003cb\u003e百部\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e桑白皮,山药,陈皮,半夏,黄芩,紫菀,苦杏仁,地龙,白前,白果仁,桔梗,款冬花,贝母,前胡,麻黄,射干,甘草,百部\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据肺病患者的症状信息进行中医处方推荐。双肺呼吸音粗,气喘,眠差,严重影响休息及日常活动,呼吸困难,咳嗽,胸闷,咳痰\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e桔梗\u003c/b\u003e,杏仁,\u003cb\u003e炙甘草\u003c/b\u003e,生姜片,麻杏,石膏,黄连,黄芩,\u003cb\u003e陈皮\u003c/b\u003e,干姜\u003c/td\u003e\n      \u003ctd\u003e黄芪,党参,白术,茯苓,\u003cb\u003e甘草\u003c/b\u003e,当归,\u003cb\u003e陈皮\u003c/b\u003e,\u003cb\u003e半夏,\u003c/b\u003e枳壳,杏仁,\u003cb\u003e黄芩\u003c/b\u003e,黄连,石膏,知母,杏仁,\u003cb\u003e桑白皮\u003c/b\u003e,葶苈子,地骨皮,芦根,\u003cb\u003e百部\u003c/b\u003e,\u003cb\u003e款冬花\u003c/b\u003e,地骨皮,五味子,川\u003cb\u003e贝母\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e桑白皮,陈皮,半夏,黄芩,紫菀,苦杏仁,瓜蒌,白前,桔梗,款冬花,贝母,前胡,麻黄,射干,金荞麦,甘草,罂粟壳,百部\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e桑白皮,陈皮,半夏,黄芩,紫菀,苦杏仁,瓜蒌,地龙,白前,白果仁,桔梗,款冬花,贝母,前胡,麻黄,射干,金荞麦,甘草,百部\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据肝病患者的症状信息进行中医处方推荐。乏力,腹胀,肝区不适,倦怠,纳差,身目尿黄,小便深黄\u003c/td\u003e\n        \u003ctd\u003e柴胡,白芍,泽泻,枳实,甘草\u003c/td\u003e\n      \u003ctd\u003e黄连,黄芩,白术,\u003cb\u003e茵陈\u003c/b\u003e,板蓝根,猪苓,泽泻,枸杞子,女贞子,菊花,生地黄\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e牡蛎,莪术,薏苡仁,郁金,连翘,瓦楞子,\u003c/b\u003e鸡内金,\u003cb\u003e丹参\u003c/b\u003e,半枝莲,白花蛇舌草,\u003cb\u003e鳖甲\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e郁金,瓦楞子,地丁,槟榔,车前子,薏苡仁,莪术,丹参,连翘,茵陈,鳖甲,牡蛎,赤芍\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据脾胃病患者的症状信息进行中医处方推荐。反酸,嗳气,烧心,胃痛,时胃胀,胃寒,大便调,午后易饥饿,入睡困难,做梦,乏力,情绪急躁,易上火,易感冒,畏风,畏寒,舌胖,质淡暗,苔薄白腻,脉沉细\u003c/td\u003e\n      \u003ctd\u003e人参,\u003cb\u003e白术\u003c/b\u003e,茯苓,砂仁,\u003cb\u003e甘草\u003c/b\u003e,大枣,\u003cb\u003e陈皮\u003c/b\u003e,\u003cb\u003e枳壳\u003c/b\u003e,泽泻,莱菔子,丹皮,苍术,草果,山楂,木香,香附,附子（煅）,干姜,大茴\u003c/td\u003e\n      \u003ctd\u003e苍术,厚朴,\u003cb\u003e陈皮\u003c/b\u003e,半夏,黄连,黄芩,生姜,大枣,附子,肉桂\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e柴胡,白芍,陈皮,法半夏,浙贝母,海螵蛸,枳壳,党参,生白术,当归,甘草,生龙骨,生牡蛎,\u003c/b\u003e珍珠母,\u003cb\u003e白花蛇舌草,醋三棱,醋莪术,半枝莲,\u003c/b\u003e三七\u003cb\u003e,旋覆花,煅赭石\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e醋三棱,醋莪术,半枝莲,半边莲,藤梨根,旋覆花,煅赭石,甘草,柴胡,白芍,赤芍,陈皮,法半夏,浙贝母,煅瓦楞子,海螵蛸,枳壳,党参,生白术,桂枝,生龙骨,生牡蛎,黄连,当归,合欢皮,合欢花,天花粉,生地黄,黄芪,防风,白花蛇舌草,川芎\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据脾胃病患者的症状信息进行中医处方推荐。大便不成形年;服药后症状改善不明显,现大便不成形,日次,质黏,粘马桶,进食时腹痛,腹胀减轻,排气减少,晨起恶心好转,近日腹泻未作,腹部畏寒同前,乏力减轻,纳欠佳,无食欲,睡眠可,小便正常,急躁易怒\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e炙甘草\u003c/b\u003e,干姜,白术,\u003cb\u003e茯苓,半夏,陈皮,\u003c/b\u003e枳壳,泽泻,荷叶,薏苡仁,大腹皮,麦芽\u003c/td\u003e\n      \u003ctd\u003e党参,白术,\u003cb\u003e茯苓\u003c/b\u003e,甘草,砂仁,桔梗,薏苡仁,莲子,\u003cb\u003e扁豆,山药\u003c/b\u003e,苍术,厚朴,\u003cb\u003e陈皮,半夏\u003c/b\u003e,生姜,大枣,枳壳,吴茱萸,干姜\u003cb\u003e,灸甘草,当归,川芎\u003c/b\u003e,肉桂\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e马齿苋,山药,白芍,\u003c/b\u003e北柴胡,\u003cb\u003e芡实,陈皮,麸炒白术,茯苓,防风,乌梅,当归,麸煨肉豆蔻,\u003c/b\u003e麸炒芡实,\u003cb\u003e五味子,炙甘草,北败酱草,诃子,盐补骨脂,炒麦芽\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e砂仁,醋延胡索,赤石脂,茯苓,法半夏,胡黄连,马齿苋,诃子,芡实,麸炒白术,北败酱草,当归,菊花,陈皮,麸神曲,川芎,山药,五味子,白芍,盐补骨脂,麸煨肉豆蔻,蝉蜕,炒麦芽,炒白扁豆,木香,炙甘草,炒鸡内金,枸杞子,炒僵蚕,乌梅,防风,黄芪\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据糖尿病患者的症状信息进行中医处方推荐。上肢麻木加重,皮肤瘙痒不变,舌苔白,舌苔薄,舌淡,舌暗\u003c/td\u003e\n        \u003ctd\u003e黄芪,桂枝,白术,川芎,熟地,五味子,生姜,大枣\u003c/td\u003e\n        \u003ctd\u003e黄芪,党参,大枣,萆薢,黄柏,茯苓,泽泻,麻黄,附子,细辛,当归,川芎,桃仁,红花,羌活,防风,藁本,细辛\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e干姜,黄连,黄芩,太子参,桑叶,桑枝,天花粉,乌梅\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e干姜,黄连,黄芩,太子参,桑叶,桑枝,天花粉,鸡血藤,夜交藤,知母,葛根,乌梅\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr\u003e\n        \u003ctd\u003e请根据糖尿病患者的症状信息进行中医处方推荐。怕冷,苔白,脉数,脉弦,舌红\u003c/td\u003e\n      \u003ctd\u003e人参,白术,茯苓,\u003cb\u003e甘草\u003c/b\u003e,附子,干姜\u003c/td\u003e\n      \u003ctd\u003e人参（或党参）,白术,茯苓,炙甘草肉桂,附子（先煎）,姜半夏,泽泻,苡仁,陈皮,\u003cb\u003e黄连\u003c/b\u003e,黄芩,白扁豆,山药\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e黄芪,桂枝,鸡血藤,夜交藤,甘草,白芍\u003c/b\u003e\u003c/td\u003e\n      \u003ctd\u003e\u003cb\u003e鸡血藤,白芍,黄芪,黄连,知母,桂枝,夜交藤,甘草\u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n\u003c/table\u003e\n\n\n注：\n1. 在测试ChatGPT、通义千问模型时，是从结果中将处方的药物手动提取出来，以方便模型对比。\n2. 文本加粗的为正确药物（与医生一致）。\n\n\n#### 模型性能对比\n\n\u003ctable style=\"text-align:center; vertical-align:middle\"\u003e\n\t\u003ctr\u003e\n\t    \u003cth\u003eDataset\u003c/th\u003e\n        \u003cth\u003eMethod\u003c/th\u003e\n\t    \u003cth\u003eP@5\u003c/th\u003e\n\t    \u003cth\u003eR@5\u003c/th\u003e  \n        \u003cth\u003eF1@5\u003c/th\u003e\n\t    \u003cth\u003eP@10\u003c/th\u003e \n        \u003cth\u003eR@10\u003c/th\u003e\n\t    \u003cth\u003eF1@10\u003c/th\u003e\n        \u003cth\u003eP@20\u003c/th\u003e\n\t    \u003cth\u003eR@20\u003c/th\u003e \n        \u003cth\u003eF1@20\u003c/th\u003e\n\t\u003c/tr \u003e\n\t\u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eCMCC\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.3098\u003c/td\u003e\u003ctd\u003e0.1314\u003c/td\u003e\u003ctd\u003e0.1845\u003c/td\u003e\u003ctd\u003e0.2531\u003c/td\u003e\u003ctd\u003e0.2116\u003c/td\u003e\u003ctd\u003e0.2305\u003c/td\u003e\u003ctd\u003e0.1868\u003c/td\u003e\u003ctd\u003e0.3085\u003c/td\u003e\u003ctd\u003e0.2327\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n        \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.2678 \u003c/td\u003e\u003ctd\u003e0.1128 \u003c/td\u003e\u003ctd\u003e0.1537 \u003c/td\u003e\u003ctd\u003e0.2219 \u003c/td\u003e\u003ctd\u003e0.1864 \u003c/td\u003e\u003ctd\u003e0.1956 \u003c/td\u003e\u003ctd\u003e0.1270 \u003c/td\u003e\u003ctd\u003e0.2127 \u003c/td\u003e\u003ctd\u003e0.1541 \u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eCHP\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e0.2044\u003c/td\u003e\u003ctd\u003e0.1019\u003c/td\u003e\u003ctd\u003e0.1360\u003c/td\u003e\u003ctd\u003e0.1751\u003c/td\u003e\u003ctd\u003e0.1784\u003c/td\u003e\u003ctd\u003e0.1767\u003c/td\u003e\u003ctd\u003e0.1385\u003c/td\u003e\u003ctd\u003e0.2889\u003c/td\u003e\u003ctd\u003e0.1872\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.1545\u003c/td\u003e\u003ctd\u003e0.0719\u003c/td\u003e\u003ctd\u003e0.0982\u003c/td\u003e\u003ctd\u003e0.1237\u003c/td\u003e\u003ctd\u003e0.1205\u003c/td\u003e\u003ctd\u003e0.1221\u003c/td\u003e\u003ctd\u003e0.1097\u003c/td\u003e\u003ctd\u003e0.2264\u003c/td\u003e\u003ctd\u003e0.1477\u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003e\u003cb\u003eTCMLLM-PR\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3632 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2508\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2642\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2804\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3489\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2818\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.1593\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3771\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2064\u003c/b\u003e \u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eDiabetes\u003c/td\u003e\n\t    \u003ctd\u003e\u003cb\u003ePTM(d)\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4835\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2549\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3338\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3892\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4132\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4008\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2897\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.6118\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3932\u003c/b\u003e\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.4648\u003c/td\u003e\u003ctd\u003e0.2460\u003c/td\u003e\u003ctd\u003e0.3217\u003c/td\u003e\u003ctd\u003e0.3788\u003c/td\u003e\u003ctd\u003e0.4026\u003c/td\u003e\u003ctd\u003e0.3903\u003c/td\u003e\u003ctd\u003e0.2802\u003c/td\u003e\u003ctd\u003e0.5935\u003c/td\u003e\u003ctd\u003e0.3807\u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.3548 \u003c/td\u003e\u003ctd\u003e0.1880 \u003c/td\u003e\u003ctd\u003e0.2420 \u003c/td\u003e\u003ctd\u003e0.2652 \u003c/td\u003e\u003ctd\u003e0.2786 \u003c/td\u003e\u003ctd\u003e0.2671 \u003c/td\u003e\u003ctd\u003e0.1358 \u003c/td\u003e\u003ctd\u003e0.2852 \u003c/td\u003e\u003ctd\u003e0.1812 \u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eLiver\u003c/td\u003e\n\t    \u003ctd\u003e\u003cb\u003ePTM(d)\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5753\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.1560\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2454\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4765\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2554\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3326\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3853\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4045\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3947\u003c/b\u003e\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.5531\u003c/td\u003e\u003ctd\u003e0.1487\u003c/td\u003e\u003ctd\u003e0.2343\u003c/td\u003e\u003ctd\u003e0.4536\u003c/td\u003e\u003ctd\u003e0.2427\u003c/td\u003e\u003ctd\u003e0.3162\u003c/td\u003e\u003ctd\u003e0.3754\u003c/td\u003e\u003ctd\u003e0.3946\u003c/td\u003e\u003ctd\u003e0.3847\u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.3876 \u003c/td\u003e\u003ctd\u003e0.1037 \u003c/td\u003e\u003ctd\u003e0.1572 \u003c/td\u003e\u003ctd\u003e0.3291 \u003c/td\u003e\u003ctd\u003e0.1751 \u003c/td\u003e\u003ctd\u003e0.2179 \u003c/td\u003e\u003ctd\u003e0.2579 \u003c/td\u003e\u003ctd\u003e0.2705 \u003c/td\u003e\u003ctd\u003e0.2505 \u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eLung\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e0.5827 \u003c/td\u003e\u003ctd\u003e0.1700 \u003c/td\u003e\u003ctd\u003e0.2632 \u003c/td\u003e\u003ctd\u003e0.5086 \u003c/td\u003e\u003ctd\u003e0.2949 \u003c/td\u003e\u003ctd\u003e0.3733 \u003c/td\u003e\u003ctd\u003e0.4083 \u003c/td\u003e\u003ctd\u003e0.4726 \u003c/td\u003e\u003ctd\u003e0.4381 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003e\u003cb\u003eTCMPR\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5890\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.1716\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2657\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5119\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2967\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3756\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4114\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4761\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4414\u003c/b\u003e \u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.3750 \u003c/td\u003e\u003ctd\u003e0.1082 \u003c/td\u003e\u003ctd\u003e0.1671 \u003c/td\u003e\u003ctd\u003e0.3138 \u003c/td\u003e\u003ctd\u003e0.1809 \u003c/td\u003e\u003ctd\u003e0.2279 \u003c/td\u003e\u003ctd\u003e0.2991 \u003c/td\u003e\u003ctd\u003e0.3457 \u003c/td\u003e\u003ctd\u003e0.3183 \u003c/td\u003e\n    \u003c/tr\u003e\n      \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eISGP\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e0.3822 \u003c/td\u003e\u003ctd\u003e0.2113 \u003c/td\u003e\u003ctd\u003e0.2722 \u003c/td\u003e\u003ctd\u003e0.3071 \u003c/td\u003e\u003ctd\u003e0.3415 \u003c/td\u003e\u003ctd\u003e0.3234 \u003c/td\u003e\u003ctd\u003e0.2179 \u003c/td\u003e\u003ctd\u003e0.4810 \u003c/td\u003e\u003ctd\u003e0.2999 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.4950 \u003c/td\u003e\u003ctd\u003e0.3038 \u003c/td\u003e\u003ctd\u003e0.3765 \u003c/td\u003e\u003ctd\u003e0.4183 \u003c/td\u003e\u003ctd\u003e0.4838 \u003c/td\u003e\u003ctd\u003e0.4487 \u003c/td\u003e\u003ctd\u003e0.2803 \u003c/td\u003e\u003ctd\u003e0.6314 \u003c/td\u003e\u003ctd\u003e0.3883 \u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003e\u003cb\u003eTCMLLM-PR\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.7378 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4356 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5283\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5786\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.6448 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5914\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3138 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.6808 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4180 \u003c/b\u003e\u003c/td\u003e\n    \u003c/tr\u003e\n    \u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eSSD\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.7150 \u003c/td\u003e\u003ctd\u003e0.1562 \u003c/td\u003e\u003ctd\u003e0.2564 \u003c/td\u003e\u003ctd\u003e0.6286 \u003c/td\u003e\u003ctd\u003e0.2732 \u003c/td\u003e\u003ctd\u003e0.3809 \u003c/td\u003e\u003ctd\u003e0.5166 \u003c/td\u003e\u003ctd\u003e0.4453 \u003c/td\u003e\u003ctd\u003e0.4783 \u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.5371 \u003c/td\u003e\u003ctd\u003e0.1139 \u003c/td\u003e\u003ctd\u003e0.1866 \u003c/td\u003e\u003ctd\u003e0.4351 \u003c/td\u003e\u003ctd\u003e0.1842 \u003c/td\u003e\u003ctd\u003e0.2562 \u003c/td\u003e\u003ctd\u003e0.3494 \u003c/td\u003e\u003ctd\u003e0.2937 \u003c/td\u003e\u003ctd\u003e0.3155 \u003c/td\u003e\n    \u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd rowspan=\"3\"\u003eStroke\u003c/td\u003e\n\t    \u003ctd\u003e\u003cb\u003ePTM(d)\u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.6440\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.2133\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3204\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5353 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.3513 \u003c/b\u003e\u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4242\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4187\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.5476\u003c/b\u003e \u003c/td\u003e\u003ctd\u003e\u003cb\u003e0.4746\u003c/b\u003e \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n        \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.5783 \u003c/td\u003e\u003ctd\u003e0.1903 \u003c/td\u003e\u003ctd\u003e0.2863 \u003c/td\u003e\u003ctd\u003e0.5085 \u003c/td\u003e\u003ctd\u003e0.3335 \u003c/td\u003e\u003ctd\u003e0.4028 \u003c/td\u003e\u003ctd\u003e0.4084 \u003c/td\u003e\u003ctd\u003e0.5344 \u003c/td\u003e\u003ctd\u003e0.4630 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t   \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.3528 \u003c/td\u003e\u003ctd\u003e0.1140 \u003c/td\u003e\u003ctd\u003e0.1714 \u003c/td\u003e\u003ctd\u003e0.3770 \u003c/td\u003e\u003ctd\u003e0.2444 \u003c/td\u003e\u003ctd\u003e0.2946 \u003c/td\u003e\u003ctd\u003e0.3090 \u003c/td\u003e\u003ctd\u003e0.3999 \u003c/td\u003e\u003ctd\u003e0.3463 \u003c/td\u003e\n\t\u003c/tr\u003e\n\u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eMixed\u003c/td\u003e\n\t    \u003ctd\u003ePTM(d)\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\u003ctd\u003e-\u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eTCMPR\u003c/td\u003e\u003ctd\u003e0.4921\u003c/td\u003e\u003ctd\u003e0.1547\u003c/td\u003e\u003ctd\u003e0.2354\u003c/td\u003e\u003ctd\u003e0.4243\u003c/td\u003e\u003ctd\u003e0.2626\u003c/td\u003e\u003ctd\u003e0.3244\u003c/td\u003e\u003ctd\u003e0.3399\u003c/td\u003e\u003ctd\u003e0.4133\u003c/td\u003e\u003ctd\u003e0.3731\u003c/td\u003e\n\t\u003c/tr\u003e\n    \u003ctr\u003e\n      \u003ctd\u003eTCMLLM-PR\u003c/td\u003e\u003ctd\u003e0.3933 \u003c/td\u003e\u003ctd\u003e0.1300 \u003c/td\u003e\u003ctd\u003e0.1870 \u003c/td\u003e\u003ctd\u003e0.3243 \u003c/td\u003e\u003ctd\u003e0.2111 \u003c/td\u003e\u003ctd\u003e0.2437 \u003c/td\u003e\u003ctd\u003e0.2488 \u003c/td\u003e\u003ctd\u003e0.3033 \u003c/td\u003e\u003ctd\u003e0.2622 \u003c/td\u003e\n    \u003c/tr\u003e\n\t\n\u003c/table\u003e\n\n注：基线模型为: 1) PTM（一种基于主题模型的处方推荐算法, [Yao et al. TKDE 2018](https://ieeexplore.ieee.org/document/8242679)）; 2) TCMPR（一种基于症状术语映射与深度学习的中医处方推荐算法, [Dong et al. BIBM 2021](https://ieeexplore.ieee.org/document/9669588)）\n\n\n### 处方推荐任务交叉验证\n\u003ctable style=\"text-align:center; vertical-align:middle\"\u003e\n\t\u003ctr\u003e\n\t    \u003cth\u003eDataset1\u003c/th\u003e\n        \u003cth\u003eDataset2\u003c/th\u003e\n\t    \u003cth\u003eP@5\u003c/th\u003e\n\t    \u003cth\u003eR@5\u003c/th\u003e  \n        \u003cth\u003eF1@5\u003c/th\u003e\n\t    \u003cth\u003eP@10\u003c/th\u003e \n        \u003cth\u003eR@10\u003c/th\u003e\n\t    \u003cth\u003eF1@10\u003c/th\u003e\n        \u003cth\u003eP@20\u003c/th\u003e\n\t    \u003cth\u003eR@20\u003c/th\u003e \n        \u003cth\u003eF1@20\u003c/th\u003e\n\t\u003c/tr \u003e\n\t\u003ctr \u003e\n\t    \u003ctd rowspan=\"3\"\u003eCHP\u003c/td\u003e\n\t    \u003ctd\u003eStroke\u003c/td\u003e\n        \u003ctd\u003e0.1123 \u003c/td\u003e\u003ctd\u003e0.0364 \u003c/td\u003e\u003ctd\u003e0.0546 \u003c/td\u003e\u003ctd\u003e0.0959 \u003c/td\u003e\u003ctd\u003e0.0619 \u003c/td\u003e\u003ctd\u003e0.0746 \u003c/td\u003e\u003ctd\u003e0.0632 \u003c/td\u003e\u003ctd\u003e0.0821 \u003c/td\u003e\u003ctd\u003e0.0707 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eLiver\u003c/td\u003e\n\t    \u003ctd\u003e0.1794 \u003c/td\u003e\u003ctd\u003e0.0455 \u003c/td\u003e\u003ctd\u003e0.0704 \u003c/td\u003e\u003ctd\u003e0.1608 \u003c/td\u003e\u003ctd\u003e0.0820 \u003c/td\u003e\u003ctd\u003e0.1048 \u003c/td\u003e\u003ctd\u003e0.0987 \u003c/td\u003e\u003ctd\u003e0.1007 \u003c/td\u003e\u003ctd\u003e0.0958 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eSSD\u003c/td\u003e\n        \u003ctd\u003e0.2871 \u003c/td\u003e\u003ctd\u003e0.0596 \u003c/td\u003e\u003ctd\u003e0.0980 \u003c/td\u003e\u003ctd\u003e0.2175 \u003c/td\u003e\u003ctd\u003e0.0901 \u003c/td\u003e\u003ctd\u003e0.1262 \u003c/td\u003e\u003ctd\u003e0.1290 \u003c/td\u003e\u003ctd\u003e0.1068 \u003c/td\u003e\u003ctd\u003e0.1155 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd rowspan=\"3\"\u003eISGP\u003c/td\u003e\n\t    \u003ctd\u003eStroke\u003c/td\u003e\n        \u003ctd\u003e0.1918 \u003c/td\u003e\u003ctd\u003e0.0619 \u003c/td\u003e\u003ctd\u003e0.0930 \u003c/td\u003e\u003ctd\u003e0.1550 \u003c/td\u003e\u003ctd\u003e0.0997 \u003c/td\u003e\u003ctd\u003e0.1204 \u003c/td\u003e\u003ctd\u003e0.0831 \u003c/td\u003e\u003ctd\u003e0.1072 \u003c/td\u003e\u003ctd\u003e0.0929 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\u003ctd\u003eLiver\u003c/td\u003e\n\t    \u003ctd\u003e0.2990 \u003c/td\u003e\u003ctd\u003e0.0800 \u003c/td\u003e\u003ctd\u003e0.1225 \u003c/td\u003e\u003ctd\u003e0.2338 \u003c/td\u003e\u003ctd\u003e0.1232 \u003c/td\u003e\u003ctd\u003e0.1551 \u003c/td\u003e\u003ctd\u003e0.1232 \u003c/td\u003e\u003ctd\u003e0.1296 \u003c/td\u003e\u003ctd\u003e0.1209 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\u003ctr\u003e\n\t    \u003ctd\u003eSSD\u003c/td\u003e\n\t    \u003ctd\u003e0.2487 \u003c/td\u003e\u003ctd\u003e0.0520 \u003c/td\u003e\u003ctd\u003e0.0853 \u003c/td\u003e\u003ctd\u003e0.1918 \u003c/td\u003e\u003ctd\u003e0.0795 \u003c/td\u003e\u003ctd\u003e0.1112 \u003c/td\u003e\u003ctd\u003e0.1017 \u003c/td\u003e\u003ctd\u003e0.0840 \u003c/td\u003e\u003ctd\u003e0.0908 \u003c/td\u003e\n\t\u003c/tr\u003e\n\t\n\u003c/table\u003e\n注：处方推荐任务交叉验证指在Dataset1的训练集进行大模型指令微调，使用Dataset2的测试集进行性能测试。\n\n#### 模型训练效果\n![image](https://github.com/2020MEAI/TCMLLM/assets/75461468/408bc2bd-b8dd-4800-8743-d91093f14709)\n\n\n\n\n## 项目参与者\n本项目由北京交通大学计算机与信息技术学院医学智能团队田昊宇、董鑫、徐宽、花睿、赵辰羲、王鸿燕、叶明蔚和胡敏杰等完成，项目负责人为杨扩和周雪忠老师。另外，感谢多家合作单位提供的医疗数据。\n\n  \n\n## 致谢\n本项目参考了以下开源项目，在此对相关项目和研究开发人员表示感谢。\n- ChatGLM-6B: https://github.com/THUDM/ChatGLM-6B\n- Facebook LLaMA: https://github.com/facebookresearch/llama\n- Stanford Alpaca: https://github.com/tatsu-lab/stanford_alpaca\n- Huatuo: https://github.com/SCIR-HI/Huatuo-Llama-Med-Chinese\n\n  \n## 免责声明\n\n本项目相关资源仅供学术研究之用，严禁用于商业用途。使用涉及第三方代码的部分时，请严格遵循相应的开源协议。模型生成的内容受模型计算、随机性和量化精度损失等因素影响，本项目无法对其准确性作出保证。本项目数据集绝大部分由模型生成，即使符合某些医学事实，也不能被用作实际医学诊断的依据。对于模型输出的任何内容，本项目不承担任何法律责任，亦不对因使用相关资源和输出结果而可能产生的任何损失承担责任。\n\n\n## Citation\n\n如果你使用了本项目的数据或者代码，请声明引用\n\n\t  @misc{alpaca,\n\t  author={Xuezhong Zhou,Kuo Yang,Haoyu Tian,Xin Dong,Kuan Xu,Rui Hua},\n\t  title = {TCMLLM},\n\t  year = {2023},\n\t  publisher = {GitHub},\n\t  journal = {GitHub repository},\n\t  howpublished = {\\url{https://github.com/2020MEAI/TCMLLM}},\n\t}\n\n\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2F2020MEAI%2FTCMLLM","html_url":"https://awesome.ecosyste.ms/projects/github.com%2F2020MEAI%2FTCMLLM","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2F2020MEAI%2FTCMLLM/lists"}