医疗大健康专有模型基座

jinsixian-tcm 模型矩阵

面向中文医疗场景的专有模型系列：公开数据训练、零患者 PII、去污染评测、诚实报告。

辅助非诊断 · 须医师复核 · 非医疗器械（NMPA 未审批）

模型矩阵

jinsixian-tcm 72B（旗舰）
知识问答 / 教学 / 大健康问答
中医 0.856 · 通用 0.898
云端私有化部署
评测完成
jinsixian-tcm 14b-cmb
专业知识问答 / 教学辅助
中医 0.582 · 通用 0.720
单卡 GPU
评测完成
jinsixian-tcm 7b-safe
病例 / 处方审查
灵敏度 0.48 · 特异度 0.90
诊所本地
已部署
jinsixian-tcm 7b
端侧轻量任务 / 错别字纠正
错别字纠正 0.411（+0.189）
Ollama（诊所 PC）
已部署

评测数据（诚实呈现）

全部数字来自去污染 held-out 集 + 配对显著性检验 + 真 LLM 裁判；n = 样本量，p = McNemar 显著性，CI = 95% 置信区间。

表 A · 72B 旗舰 vs 联网前沿参考（大样本定值，2026-07-11）

指标base（未微调）微调后联网前沿参考p（vs 前沿）
中医 MCQ (n=811)0.6450.8560.868p=0.47（持平）
通用 MCQ (n=801)0.7230.8980.876p=0.18（持平）

表 B · 14b-cmb vs base vs 前沿天花板

能力base（未微调）微调后Δ达顶
中医 MCQ0.3460.582+0.23688.9%
通用 MCQ0.5020.720+0.21891.0%
错别字纠正0.5220.744+0.22278%

表 C · 安全审查双轴（n=66）

模型灵敏度特异度危险建议率
jinsixian-tcm 7b-safe0.480.900.046
联网前沿参考（v4-pro）1.00.10—

方法学

  • · 去污染：逐题排除训练集重合/近重（n-gram ≥ 0.7 门限），污染门 0 命中
  • · held-out：评测题从未参与训练
  • · 配对显著性：McNemar 检验 + 95% CI（stats.py）
  • · 真 LLM 裁判：不看标签独立判分（旧启发式裁判已废止）
  • · 健康门：训练全程健康检查，空答 0/0

诚实边界（我们同样如实报告）

  • · 7b-safe 灵敏度 0.48 意味着约半数真错会被漏掉——它是辅助提示，不是自动放行
  • · 知识型模型（14b-cmb）在安全审查轴上乱报（特异度 0.0），绝不用于审查场景
  • · 72B 的安全审查与错别字能力本轮未测，不宣称
  • · 7B 中医增益未过 Bonferroni 校正，不宣称
  • · 诊断辅助/处方审查全程人在回路，非医疗器械

训练管线证据链

5 个制品 / 734 个文件 / 62.0 GiB——逐文件 sha256 与 HuggingFace 官方 LFS 校验 0 mismatch，全部钉死不可变 commit（PROVENANCE，2026-06-27）。机器可读全量清单见 registry/MANIFEST-stage01.json。

1. 公开数据（中医知识/古籍公有领域/R1 蒸馏/合成审查对）
2. 去污染门
3. SFT / QLoRA 训练
4. 训练健康门
5. held-out 评测门
6. 注册与谱系（registry + PROVENANCE）

许可与获取

  • · 开放权重：学习 / 教学 / 学术研究 / 个人非商业实验免费使用
  • · 商业使用须事先取得书面授权（收费产品 / SaaS / API / 第三方服务均算）
  • · 上游基座 DeepSeek-R1-Distill-Qwen / Qwen2.5（Apache-2.0），须保留署名
  • · 训练数据零患者 PII；CMB 考题数据为 Apache-2.0（数据卡披露，法务确认中）
阅读许可全文

合规与隐私

  • · PII-free 地基：训练数据不含任何患者个人信息
  • · 平台隐私架构：患者密钥主权 / 云端零知识（病历内容云端不可读）
  • · 医疗免责：辅助非诊断、须医师复核、非医疗器械
  • · 数据合规披露：上游考题版权残留风险已在许可中声明，法务确认完成前不开放权重下载

申请试用

当前为意向登记阶段。提交后我们将通过工单与你联系，审批通过后提供评测访问。

本页评测数字出处：jinsixian-tcm DELIVERY 报告（2026-07-11 大样本快照）。辅助非诊断 · 须医师复核 · 非医疗器械。