自己和家人的健康問題，找哪個AI？

也許，最靠譜的AI產(chǎn)品，不是我們作為談資經(jīng)常去跟人聊的，而是那個自己和家人遇到事的時候，真正想問的。

夸克健康大模型最近剛發(fā)布，說實話，我是心存慎重的。

很多AI大模型會刻意繞開“健康”這一類低容錯、專業(yè)要求度高的領(lǐng)域，主打更人畜無害、無關(guān)痛癢的一些功能。

但是夸克好像總是踩在老百姓的剛需線上。

之前的高考報志愿是，今天的健康大模型也是。

是讓我覺得真正應(yīng)該出現(xiàn)在“相親相愛一家人”群里的AI產(chǎn)品。

不止醫(yī)學(xué)知識，更有醫(yī)學(xué)思維

通用大模型在醫(yī)療領(lǐng)域的局限性在于，它們通常擅長基于海量文本進行信息提取和概括，但難以形成嚴謹?shù)?b>臨床推理（Clinical Reasoning）。

臨床推理是醫(yī)生在面對患者時，通過有目的的提問、信息收集和邏輯推理，逐步形成診斷和決策的核心過程。

夸克健康大模型的核心目標，正是要讓模型“內(nèi)化”這種推理框架。

比如我問“頸部曲度變直如何緩解？”

這是個辦公室人群的常見毛病了，身邊同事十個里面可能七八個都有，體檢完想要詳細問問，反而被醫(yī)生三兩句話就打發(fā)了。

夸克給我的分析、解讀，可以說是非常貼心且周到了。

這種推理、診斷、決策、建議，是什么原理呢？

夸克團隊在數(shù)據(jù)結(jié)構(gòu)上進行了專門設(shè)計，采用了“問題-思考過程-最終答案”的三元組（Question-CoT-Answer）形式。

這種數(shù)據(jù)結(jié)構(gòu)要求模型不僅要得出正確的答案，還要提供一個符合醫(yī)學(xué)邏輯、可解釋、可信的推理過程。

這種數(shù)據(jù)的獲取成本遠高于普通問答數(shù)據(jù)，但其價值在于，它能夠為模型提供一個可觀測的思維路徑，從而訓(xùn)練模型形成高質(zhì)量的推理能力。

比如，問到“糖尿病”時，模型不會直接給出診斷結(jié)論，而是會先進行“思考”。

這個思考過程被拆解為一系列可觀測的“思考行動（Action）”，如“問題重述”、“知識回憶”、“問題反思”和“總結(jié)”等。

這套體系深入刻畫了醫(yī)療思維路徑，解決了長期以來困擾醫(yī)療大模型訓(xùn)練的難題之一：如何衡量思維過程的質(zhì)量。

這就是帶有臨床推理的慢思考。

就像我問耳鳴是怎么回事，根據(jù)相應(yīng)信息，夸克可以綜合分析給出多種潛在的可能性。

一步一步的，追問我的身體情況、近期遭遇、過往病史、生活習(xí)慣等等，是現(xiàn)實生活里極少遇到的耐心。

通過這種方式，夸克大模型能夠從一個看似簡單的癥狀描述中，逐步推理出可能的疾病，并給出相應(yīng)的建議。

這就與通用模型直接給出答案的模式有著本質(zhì)區(qū)別。

夸克的數(shù)據(jù)，更靠譜？

夸克健康大模型的不同，還體現(xiàn)在其為提高數(shù)據(jù)與模型質(zhì)量而構(gòu)建的“基礎(chǔ)設(shè)施”上。

這套基礎(chǔ)設(shè)施的核心是兩條平行的推理數(shù)據(jù)生產(chǎn)線，它們分別處理不同類型的數(shù)據(jù)，并協(xié)同工作。

1. 可驗證數(shù)據(jù)生產(chǎn)線

這條生產(chǎn)線主要處理那些有明確、唯一答案的醫(yī)療任務(wù)數(shù)據(jù)，如疾病診斷、手術(shù)名稱、藥物劑量和檢驗結(jié)果等。其流程包括：

• 冷啟動數(shù)據(jù)與模型微調(diào)： 在這一階段，團隊使用SOTA語言模型生成高質(zhì)量的“問思答”數(shù)據(jù)，并由專業(yè)的醫(yī)生團隊進行逐字逐句的校驗，確保醫(yī)學(xué)知識和邏輯的權(quán)威性與無風(fēng)險性。

• 推理強化學(xué)習(xí)訓(xùn)練： 在此階段，模型以激發(fā)健康醫(yī)學(xué)知識運用為目標，通過強化學(xué)習(xí)方法進行訓(xùn)練。這個過程旨在將模型能力推向極致，使其能夠處理更高難度的推理任務(wù)。

• 數(shù)據(jù)蒸餾與數(shù)據(jù)集生成： 經(jīng)過強化學(xué)習(xí)訓(xùn)練后，能力達到階段性最優(yōu)的策略模型被用于生成高質(zhì)量的“問思答”數(shù)據(jù)。這些數(shù)據(jù)再經(jīng)過蒸餾，形成最終的高質(zhì)量可驗證數(shù)據(jù)集，用于后續(xù)的訓(xùn)練和應(yīng)用。

比如我想知道貓毛過敏如何緩解，具體到吃什么藥，這就需要精準的高質(zhì)量數(shù)據(jù)。

需要是經(jīng)過反復(fù)驗證的清晰有效的建議。

這就很符合第一條數(shù)據(jù)生產(chǎn)線的情況，讓具體問題可以有標準答案。

2. 不可驗證數(shù)據(jù)生產(chǎn)線

這條生產(chǎn)線主要處理那些答案不唯一、形式多樣的任務(wù)數(shù)據(jù)，如健康建議、科普文章等長文本。其流程包括：

• 數(shù)據(jù)蒸餾與原始數(shù)據(jù)生成： 同樣利用SOTA語言模型進行數(shù)據(jù)蒸餾，生成具備思維過程的答案輸出。這些問題來源于醫(yī)生檢查過的高質(zhì)量問題、醫(yī)學(xué)論壇提問以及夸克瀏覽器的搜索日志。

• 偏好獎勵模型篩選： 由于這類任務(wù)沒有唯一的標準答案，團隊采用強化學(xué)習(xí)中的偏好學(xué)習(xí)方法。引入多個維度的偏好獎勵模型，對答案的正確性、完整性、無害性、相關(guān)性、邏輯性進行打分。這些模型采用偏序建模方式，輸出判斷信號，從而篩選出質(zhì)量最優(yōu)的答案作為訓(xùn)練數(shù)據(jù)。

• 多維度質(zhì)量評估： 在這個階段，系統(tǒng)特別關(guān)注醫(yī)療中常見的“多解、多路徑”問題。模型生成的內(nèi)容即使不在預(yù)設(shè)的正確答案集合中，只要具有積極意義，就會被識別為“增益型”結(jié)果并給予正向獎勵。這鼓勵模型輸出更全面、更具啟發(fā)性的答案。

最近天氣熱又潮濕，很多朋友遇到過起小紅疹的情況。

原因可以很多樣，這就用到了第二條數(shù)據(jù)生產(chǎn)線的分析，能夠調(diào)用強大的知識庫的能力，盡可能全面給出補充。

夸克給出的答案就包羅萬象，從幾百個信息源中提煉共性，綜合評估內(nèi)容質(zhì)量，然后才給出了結(jié)果。

這兩條數(shù)據(jù)產(chǎn)線，確保了模型能夠從不同類型的數(shù)據(jù)中持續(xù)學(xué)習(xí)，并形成穩(wěn)健而全面的能力。

夸克還有高情商？

夸克健康大模型并非一個孤立的技術(shù)項目，就在夸克里可以直接用。

用戶在夸克搜索中查詢健康問題時，即可即時調(diào)用該模型。

此外，模型還以“夸克健康助手”和“夸克深度研究產(chǎn)品”的形式，為用戶提供更深度的健康服務(wù)。

在用戶體驗層面，模型不僅追求回答的專業(yè)性，還通過共情話術(shù)體系來提升用戶感受。

遇到發(fā)燒的情況，夸克會在搜索框自動給出提示，還會給出一點安慰。

在處理用戶帶有焦慮、恐懼等情緒的問題時，模型會先進行情感上的安撫，再給出專業(yè)的醫(yī)療建議，避免因措辭不當而引發(fā)用戶焦慮。

這就是技術(shù)背后的人文關(guān)懷，也是在健康醫(yī)療領(lǐng)域建立用戶信任的關(guān)鍵。

說起感冒發(fā)燒，夸克就會先用有人情味的話語安慰我，然后再具體給我解決方案。

就讓人覺得不僅好用，而且暖心。

技術(shù)上有什么特別？

為了進一步提升模型的可靠性和可控性，夸克健康大模型設(shè)計了一套多維度的獎勵系統(tǒng)和多階段訓(xùn)練方法。

1. 過程獎勵模型（PRM）與結(jié)果獎勵模型（ORM）

這套系統(tǒng)旨在從兩個維度共同考量模型的表現(xiàn)：“推理過程的合理性”與“結(jié)果的質(zhì)量”。

• 過程獎勵模型： 這個模型不依賴于最終答案，而是專注于評估“思考過程（CoT）”的質(zhì)量。通過讓醫(yī)學(xué)專家提煉出“排除法”、“反推法”等思維模式，并用這些模式作為提示詞來生成打分數(shù)據(jù)，模型學(xué)會了評估思考過程是否合乎醫(yī)學(xué)邏輯、結(jié)構(gòu)是否清晰。

• 結(jié)果獎勵模型： 對于有明確答案的任務(wù)，系統(tǒng)使用基于規(guī)則的驗證器，結(jié)合百萬級ICD編碼醫(yī)療術(shù)語集進行比對。對于沒有明確答案的任務(wù)，則采用生成式獎勵模型，利用SOTA語言模型生成的評分作為訓(xùn)練數(shù)據(jù)，來評估答案的正確性和全面性。

這也就解釋了為什么夸克健康大模型要比通用模型，在醫(yī)療場景效果要好很多。

2. 多階段訓(xùn)練與一致性校驗

夸克團隊還設(shè)計了多階段訓(xùn)練方法，以持續(xù)優(yōu)化模型能力并防止其“遺忘”。

• 混合訓(xùn)練： 在后訓(xùn)練階段，系統(tǒng)采用偏好獎勵模型（RLHF）和驗證器補充檢驗（RLVR）相結(jié)合的混合訓(xùn)練方式。偏好模型負責(zé)對齊回答的風(fēng)格，使其更具共情性，而驗證器則持續(xù)校驗醫(yī)學(xué)知識的規(guī)范性和推理邏輯，防止模型在風(fēng)格對齊過程中產(chǎn)生知識遺忘。

• 一致性驗證器與對抗“作弊”： 系統(tǒng)還引入了一致性驗證器，專門用于校驗思考路徑與最終答案之間是否存在邏輯斷裂。在訓(xùn)練過程中，團隊還針對模型可能出現(xiàn)的“作弊”行為進行對抗性訓(xùn)練，通過人工標注負面案例和迭代驗證器，持續(xù)壓縮模型的作弊空間，確保其優(yōu)化方向始終正確。

AI再好，還是給人用的

現(xiàn)在AI產(chǎn)品越來越多了，但我真正常用的越來越少了。

真正愿意推薦給身邊人的，更少了。

AI是一門技術(shù)，但我更希望它是讓我們生活變得更好的藝術(shù)，是每天能夠幫我們解決問題的好幫手。

對AI最高的評價，我想到兩個詞：

靠譜、有人味。

夸克健康大模型，在今天看來，足夠靠譜、足夠用心！