人机融合会诊系统：肝胆胰、心血管、脑卒中

人机融合会诊系统是由实验室HI组主导的面向复杂疾病诊断的医疗系统，目前实验室已在肝胆胰、心血管、脑卒中三大专科研发出专门的人机融合会诊系统。在人机融合会诊系统的搭建过程中，实验室提出了关于辩论式复杂问题决策机理论的理论创新，并据此搭建了面向诊疗的专病大模型、提出了面向诊疗复杂问题决策的多智能体协同技术和面向可解释性增强的多智能体自组织方法。

• 肝胆胰：获得国家重点研发计划支持，系统已在30家医院开展应用。
• 心血管：中国移动提供资金支持和落地推广，项目正在开展中，已在黑龙江部分医院开展试用。
• 脑卒中：京东方提供资金支持和落地推广，项目正在开展中。

医学大模型

本草大模型

本草大模型是由实验室HI组自主研发的中国首个医学大模型，在模型构建过程中首次提出知识微调（Knowledge-tuning）方法，被华为、腾讯、讯飞、度小满等行业大模型广泛采用。本草大模型在GitHub获得4.8K+星标（领域排名第一），入选中国大模型TOP70榜单第27名，高校排名第二，并入选了德本咨询(DBC)、中国社会科学院信息化研究中心(CIS)、《互联网周刊》(CIW) 等组织严格评选并发布的“2023中国大模型TOP70”榜单。

体检报告解读助手

实验室还开发了针对特定病历分析、诊断的本草3.0模型，实现针对每个特定病人的“个人专职医生”。在此基础上，实验室构建了体检报告解读助手，以下是基本演示：

大模型鲁棒性系统

语言模型的鲁棒性，指的是在输入分布发生偏移（如噪声扰动、对抗攻击、跨领域迁移或意外的长尾场景）时，模型依旧能够输出语义准确、上下文连贯且符合安全约束的结果的能力。在对语言模型鲁棒性的研究中，我们发现训练数据中的表面相关性会诱导模型学习到偏差，这是造成鲁棒性不足的重要原因。基于这一洞见，我们进一步设计了一种利用模型对偏差拟合特性、从而削弱其安全性的攻击方法。为增强模型抵御多种攻击的能力，我们提出的MoGU框架在模型内部引入了动态路由机制，显著提升了其鲁棒性和安全性。