AI.x社区

摘要大型语言模型（LLMs）在医疗报告生成（MRG）中展现了显著潜力，然而其开发需要大量的医学影像报告对，这些数据通常分散在多个中心。由于隐私法规的原因，集中这些数据异常具有挑战性，从而阻碍了模型开发和更广泛采用基于LLM的MRG模型。为了应对这一挑战，我们提出了FedMRG，这是首个利用联邦学习（FL）实现隐私保护、多中心开发的基于LLM的MRG模型框架，专门设计用于克服在多模态数据异质性下通信高效的LLM训练的关键挑战...

摘要本文探讨了GraphRAG（检索增强生成）技术的实现方法，指出开发者在构建GraphRAG系统时往往过度依赖复杂的图数据库、查询语言和分析工具。作者强调，生成式AI的用例与传统图分析场景根本不同，大多数GraphRAG应用只需要进行局部邻域探索，而不需要复杂的全图分析。文章建议采用以向量存储为核心、按需添加图功能的简化架构，避免不必要的技术复杂性。当RAG开发者决定尝试GraphRAG时——即构建知识图谱并将其集成到他们的RAG...

今天，我们隆重推出GPT‑5⁠，这是OpenAI迄今为止最智能、最快捷、最实用的模型，也是将智能置于每项业务核心的重要一步。GPT‑5整合并超越了OpenAI在前沿智能领域的先前突破，涵盖4o、OpenAIo系列推理、智能体以及高级数学⁠（在新窗口中打开）能力。随着BNYMellon、加州州立大学、Figma、Intercom、Lowe’s、摩根士丹利、软银、TMobile等企业已率先为员工配备AI技术——目前已有500万付费用户使用ChatGPT商业产品——并开始借...

摘要&前言：近日，AI医疗公司OpenEvidence获得了2.1亿美元的B轮融资，估值飙升至35亿美元（约合人民币251亿元）。OpenEvidence成立于2022年，总部位于美国迈阿密，致力于为医生提供临床级诊断工具。公司由DanielNadler创办，他是一名哈佛大学经济学博士，也是一位非常成功的连续创业者。曾经创立了知名AI金融公司Kensho并被标普以5.5亿美元收购。本文深入解读通过USMLE（美国医师执照考试）的临床级大模型OpenEvidence如何为医...

摘要：本文通过对比PalantirOntology与传统数仓建模方法，揭秘了“本体论”如何成为企业高效构建可信语义层与数据模型的核心工具。文章介绍了本体论的概念、发展脉络、现实挑战，以及LLM驱动的自动本体生成与协作优化方案，为专业人士解锁数据治理、智能分析新范式。什么是Ontology？企业数据模型的语义革命本体论（Ontology）的起源与演变Ontology或“本体论”最初源自哲学领域，用于系统性地描述事物、属性与它们间关系的形式...

摘要本文深度解析了知识图谱在实际项目（如VCPedia和FractalKG）中的构建经验，包括图谱自动化、实体消歧、属性与节点设计、文档分粒存储、跨域建模等多方面内容，并结合FalkorDB的例子给出了系统化实践建议。适合关注大模型、知识工程与图数据库应用的专业人士阅读。1.引言知识图谱以节点和边的方式描述复杂关系，被广泛应用于语义搜索、智能问答、企业数据整合等领域。然而，实际构建与落地却涉及大量技术和架构抉择。本文基...

摘要人工智能代理经历了从强化学习（RL）早期主导地位到由大型语言模型（LLMs）驱动的智能代理崛起的范式转变，现在正进一步迈向RL和LLM能力的协同融合。这一进步赋予了人工智能代理越来越强大的能力。尽管取得了这些进展，但要完成复杂的现实世界任务，代理需要有效规划和执行，保持可靠的记忆，并与其他代理顺畅协调。实现这些能力涉及应对始终存在的复杂信息、操作和互动。鉴于这一挑战，数据结构化可以通过将复杂无序的数据...

图片摘要知识图谱补全（KGC）旨在通过利用现有的三元组和文本信息来预测知识图谱（KGs）中的缺失三元组。最近，生成式大型语言模型（LLMs）越来越多地被用于图任务。然而，当前方法通常以文本形式编码图上下文，这未能充分利用LLMs在感知和推理图结构方面的潜力。为了解决这一限制，我们提出了DrKGC（动态子图检索增强的知识图谱补全大型语言模型）。DrKGC采用一种灵活轻量级的模型训练策略，在KG内学习结构嵌入和逻辑规则。然...

​摘要：本文详尽介绍了强生（J&J）、默克（Merck）和礼来（EliLilly）等全球制药巨头在人工智能（AI），尤其是生成式AI领域的最新应用进展。涵盖AI技术在药物研发、合规、市场营销、管理培训等各环节的实践，并结合政策环境，展现了医药行业对AI赋能的前沿变革与人才培养模式。本文适合行业专家、医疗信息化从业者及管理层参考。随着人工智能（AI）日益成为全球创新的驱动力，制药行业的头部企业正以前所未有的速度深度整合AI...

核心速览多模态大型语言模型（MLLMs）在理解常见视觉元素（如风景、家居用品和公共事件）方面展现了令人印象深刻的能力，这主要归功于其大规模数据集和先进的训练策略。然而，由于医学场景中的数据和任务与一般领域存在固有差异，它们在医学应用中的有效性仍然有限。具体来说，现有的医学MLLMs面临以下关键限制：（1）对医学知识（超出影像学范围）的覆盖有限；（2）由于数据策展流程不佳，容易产生幻觉；（3）缺乏针对复杂医学...

摘要本综述批判性地区分了人工智能代理和代理性人工智能，提供了一个结构化的概念分类、应用映射，并分析了机会与挑战，以阐明它们不同的设计理念和能力。我们首先概述了搜索策略和基本定义，将人工智能代理描述为由大型语言模型和大型知识图谱驱动和启用的模块化系统，用于特定任务的自动化。生成式人工智能被定位为提供基础的前驱，人工智能代理则通过工具集成、提示工程和推理增强而发展。然后我们描述了代理性人工智能系统...

​引言近年来，大型语言模型（LLMs）以惊人的速度渗透到医疗领域，尽管它们并非原生用于临床决策，但医疗从业者正日益依赖这些新兴AI工具来辅助诊疗。如果AI产品以“临床决策支持”为卖点，依据美国食品药品监督管理局（FDA）的规定，其很可能应被视作医疗器械接受监管。然而，现有法规体系远远未能覆盖这一激增的应用场景，监管滞后于技术创新，潜在风险与巨大前景并存。PennLDI高级成员兼宾大医学院助理教授GaryWeissman等人...

MALADE:OrchestrationofLLMpoweredAgentswithRAGforPharmacovigilance摘要在大型语言模型（LLMs）的时代，鉴于它们卓越的文本理解和生成能力，开发基于LLMs的新方法用于可信医学知识的综合、提取和总结是前所未有的机遇。本文关注药物警戒（PhV）问题，其重要性和挑战在于从多样化的文本资源（如医学文献、临床笔记和药品标签）中识别不良药物事件（ADEs）。不幸的是，这一任务受到多种因素的阻碍，包括药物和结果的术语差异，...

摘要临床决策制定（CDM）是一个复杂、动态的过程，对医疗保健交付至关重要，然而对于人工智能系统而言仍是一个重大挑战。尽管基于大型语言模型（LLM）的代理已经在使用许可考试和知识问答任务的一般医学知识上进行了测试，但由于缺乏反映实际医疗实践的综合测试数据集，它们在现实世界场景中的CDM表现有限。为了弥补这一差距，我们提出了MedChain，一个包含12,163个临床案例的数据集，涵盖临床工作流程的五个关键阶段。MedChain...

摘要由人工智能驱动的学习正在改变教育，要求教育者迅速掌握有效整合人工智能工具的技能，以便它们补充而非取代传统教学实践。生成式人工智能的快速发展带来了挑战，尤其是对于那些不太懂技术的教师或那些延迟学习这些工具的人，使他们面临落后的风险。随着学生快速适应广泛可用的模型如ChatGPT3.5和DeepseekR1，他们越来越多地用于学习、作业和评估。尽管已有关于教育中人工智能的讨论，但缺乏实际指导，说明医学教育工作者如...

摘要人工智能通过大型语言模型（LLMs）显著改变了医疗保健领域，尤其在静态医学问答基准测试中表现出色。然而，由于医患互动的复杂性，评估LLMs在现实世界临床应用的潜力仍然具有挑战性。为此，我们引入了“人工智能医院”这一多智能体框架，模拟医生（玩家）与包括患者和检查员在内的非玩家角色（NPCs）之间的动态医疗互动。这种设置允许在模拟的临床场景中更实际地评估LLMs的表现。我们开发了“多视图医疗评估”（MVME）基准...

摘要虽然大型语言模型（LLMs）在诊断对话中显示出潜力，但它们在有效管理推理方面的能力——包括疾病进展、治疗反应和安全药物处方——仍有待进一步探索。我们通过一种新的基于LLMs的代理系统推进了之前展示的ArticulateMedicalIntelligenceExplorer（AMIE）的诊断能力，该系统针对临床管理和对话进行了优化，整合了对疾病演变、多次患者就诊经历、治疗反应以及药物处方专业能力的推理。AMIE在权威临床知识的基础上进行推理，利...

前言2025年1月9日–加利福尼亚州门洛帕克–世界上最大的开放网络知识图谱创建者Diffbot宣布推出其第一个大型语言模型（LLM），这是迄今为止世界上最基于事实的AI语言模型。利用Diffbot专有的知识图谱（包括超过100亿个实体和来自开放网络的超过1万亿个结构化事实），新模型在事实可靠性和领域覆盖率方面超过了目前所有可用的LLM。当前前沿的LLM方法通过扩大模型的大小来减少不良响应（又名“幻觉”），使其代表更多的训练数据，...

摘要EnterpriseKnowledge的首席数据和人工智能解决方案架构师DavidHughes在1月25日2025数据日上发表了题为“释放多模态GraphRAG的力量：集成图像特征以获得更深入的洞察”。在本次演讲中，David通过引入多模态GraphRAG讨论了GraphRAG的一个未被充分探索的维度——图像的集成，MultimodalGraphRAG是一个将图像数据带到基于图的推理和检索前沿的创新框架。他演示了这种方法如何实现对图像的更全面理解，从而放大洞察的深度和准确...

摘要检索增强生成（RAG）是一种适用于检索敏感电子健康记录（EHR）的合适技术。它可以作为医疗副驾驶员Copilot的关键模块，帮助减少医疗从业者和患者的误诊。然而，现有基于启发式的医疗领域RAG模型的诊断准确性和特异性不足，特别是对于症状相似的疾病。本文提出MedRAG，一种通过知识图谱（KG）引导推理提升的医疗领域RAG模型，根据症状检索诊断和治疗建议。MedRAG系统地构建了一个全面的四层分级诊断知识图谱，涵盖各种疾病的...