DoNews6月14日消息，微軟研究人員日前展示了 LLaVA-Med 模型，該模型主要用于生物醫學方面的研究，可根據 CT、X 光圖片等推測出患者的病理狀況。

據悉，微軟研究人員與一批醫院合作，獲得了使用生物醫學圖像文本對應大型數據集來訓練多模態 AI 模型。該數據集包括胸部 X 光、MRI、組織學、病理學和 CT 圖像等，覆蓋范圍相對全面。

微軟使用 GPT-4，基于 Vision Transformer 和 Vicuna 語言模型，在八個英偉達 A100 GPU 上對 LLaVA-Med 進行訓練，其中包含“每個圖像的所有預分析信息”，用于生成有關圖像的問答，以滿足“可自然語言回答有關生物醫學圖像問題”的助手愿景。

在學習過程中，模型主要圍繞“描述此類圖像的內容”以及“闡述生物醫學概念”而展開。據微軟稱，該模型最終具有“出色的多模式對話能力”、“在用于回答視覺問題的三個標準生物醫學數據集上，LLaVA-Med 在部分指標上領先于業界其他先進模型”。

目前該模型已經開源。