计算机科学与探索

作者：王会勇, 苏秋雨, 张晓明

单位：河北科技大学 信息科学与工程学院，石家庄 050018

关键词：重症医疗,大语言模型,知识抽取,指令微调,微调指令模板

基金：河北省自然科学基金（F2022208002）；石家庄市基础研究计划项目（241790867A）。

随着重症医学的不断发展，医护人员在重症医疗实践过程中需迅速且准确地获取并应用专业知识，以应对复杂多变的临床情境。然而，目前重症医疗领域中的知识主要以非结构化文本呈现，缺乏系统化和结构化支持，难以满足临床决策对实时性和准确性的高要求。此外，传统知识抽取方法在处理非结构化数据时存在效率低下的问题。为此，提出了一种基于大语言模型（LLM）的多任务微调方法MCFT-KG，以实现大语言模型对重症医疗数据进行高效、准确且快速的抽取。该方法在专家指导下，依据重症数据的特性构建重症医疗本体；根据本体对天池数据集CMeIE和寻医问药网数据集进行调整，并利用大语言模型对数据集质量进行自动化评估；在本体约束的前提下，根据重症数据的特点，通过严格要求大语言模型，构建针对重症领域的多任务微调指令模板；将修改后的数据集与微调指令模板融合，经过扁平化和规范化处理形成基于重症领域的微调数据集；通过合理设置参数，利用LoRA实现指令微调。实验结果表明，该多任务微调大语言模型在重症医疗知识抽取任务中的准确率相较于基线模型有显著提升。

来源：2026年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第4期