qwen3-4b-medical-finetuned/README.md

Qwen3-4B Medical Finetuned（医疗微调版）

🩺 基于 Qwen3-4B 在中文医疗语料上微调的语言模型，适用于医疗问答、病历摘要、医学知识咨询等场景。

🔍 模型简介

本模型在 Qwen3-4B 基础上，使用高质量中文医疗对话、医学教材、临床指南等语料进行指令微调（SFT），显著提升在医疗垂直领域的问答准确性、专业性和安全性。

🚀 使用方法

安装依赖

pip install modelscope transformers torch

Python 加载与推理

from modelscope import AutoModelForCausalLM, AutoTokenizer

model_id = "shiyilin123/qwen3-4b-medical-finetuned"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", trust_remote_code=True)

# 输入医疗问题
prompt = "患者主诉头痛、发热三天，可能是什么疾病？"

messages = [
    {"role": "user", "content": prompt}
]

input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)

outputs = model.generate(
    input_ids,
    max_new_tokens=512,
    do_sample=True,
    temperature=0.7,
    top_p=0.9,
)

response = tokenizer.decode(outputs[0][input_ids.shape[1]:], skip_special_tokens=True)
print("模型回答：\n", response)

📚 训练数据

• 中文医疗对话数据集（脱敏）
• 《内科学》《外科学》等医学教材节选
• 临床诊疗指南（如高血压、糖尿病等）
• 医学科普问答对

所有数据均已清洗、去隐私、合规处理。

⚙️ 模型配置

• 基座模型：Qwen3-4B
• 微调方式：全参数微调（Full Fine-tuning）
• 训练框架：ModelScope + Transformers
• 硬件：NVIDIA A100 × 4
• 序列长度：4096

📈 性能表现（示例）

问题	模型输出（节选）
“糖尿病患者饮食注意事项？”	糖尿病患者应控制总热量摄入，选择低GI食物，如糙米、燕麦、绿叶蔬菜……
“阿司匹林的适应症？”	阿司匹林常用于解热镇痛、抗血小板聚集，预防心脑血管事件……

实际效果请以推理结果为准。建议在专业医生指导下使用模型输出。

⚠️ 使用声明

• 本模型不构成医疗建议，仅供科研、学习、辅助参考。
• 请勿用于临床诊断或替代专业医生判断。
• 模型可能存在幻觉或错误，使用前请人工复核关键信息。

📜 许可证

Apache 2.0 —— 允许商用、修改、分发，请保留原作者信息。

🙏 致谢

• 感谢 通义千问团队 开源 Qwen 系列模型
• 感谢魔搭社区提供模型托管与算力支持

📬 联系作者

• 用户名：shiyilin123
• 魔搭主页：https://modelscope.cn/profile/shiyilin123
• 问题反馈：欢迎在模型页面“讨论”区留言

✅ 使用说明

1. 将上述内容 复制粘贴 到你的模型目录中，保存为 README.md
2. 编码格式建议使用 UTF-8 无 BOM（记事本 → 另存为 → 编码选“UTF-8”）
3. 上传后，魔搭会自动渲染为美观的模型主页！

---

💡 可选增强（进阶）

如果你想支持 在线体验，可在 README.md 最后添加：

🧪 在线体验

点击页面上方 “在Notebook中打开” 按钮，可直接在线运行推理代码。

或者添加 模型卡片图（上传 thumbnail.png 到模型目录）：

---

---