摘要：隨著人工智能技術(shù)的快速發(fā)展，大語言模型（LLMs） 在教育領(lǐng)域的應(yīng)用日益廣泛。該研究著眼于探索大語言模型在中醫(yī)藥研究生科研能力提升中的作用與應(yīng)用策略，全面審視了中醫(yī)藥研究生在科研能力方面的現(xiàn)狀，并據(jù)此提出了一系列創(chuàng)新策略，包括運用大語言模型優(yōu)化知識檢索、輔助實驗設(shè)計、增強數(shù)據(jù)分析能力以及提升論文撰寫質(zhì)量。大語言模型的引入顯著提高中醫(yī)藥研究生的科研能力，同時為其現(xiàn)代化進程提供強有力的技術(shù)支撐。

關(guān)鍵詞：大語言模型；中醫(yī)藥；研究生；科研能力；教育技術(shù)；自然語言處理

中圖分類號：TP391" " " 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）19-0115-03

開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID）

0 引言

中醫(yī)藥作為中國傳統(tǒng)文化瑰寶，擁有獨特理論體系和豐富臨床經(jīng)驗，對全球健康事業(yè)影響深遠(yuǎn)[1]?，F(xiàn)代醫(yī)學(xué)快速發(fā)展，中醫(yī)藥傳承與發(fā)展面臨挑戰(zhàn)。研究生教育是培養(yǎng)中醫(yī)藥科研人才的關(guān)鍵階段，其科研能力直接關(guān)系學(xué)科創(chuàng)新與進步[2]。為滿足現(xiàn)代科研需求，中醫(yī)藥學(xué)科亟須與現(xiàn)代科技融合，推動現(xiàn)代化和國際化[3]。因此，提升中醫(yī)藥研究生科研能力是亟待解決的問題。

人工智能技術(shù)是模擬和擴展人類智能的先進手段，已成為推動社會進步的重要力量。在中醫(yī)藥領(lǐng)域，人工智能技術(shù)的應(yīng)用已經(jīng)滲透到中醫(yī)診斷、健康管理、名老中醫(yī)經(jīng)驗傳承、藥物配方創(chuàng)新等多個方面[4-5]。我們曾使用卷積神經(jīng)網(wǎng)絡(luò)進行乳腺癌預(yù)測[6]，基于視覺變壓器適配器的雙曲嵌入實現(xiàn)糖尿病視網(wǎng)膜病變的多病變分割[7]。近年來，以生成式人工智能（AIGC） 為代表的新一代人工智能技術(shù)，極大地促進了人機交互的發(fā)展。在這一領(lǐng)域，大語言模型（LLMs） 以其在自然語言處理任務(wù)上的顯著成果和出色的知識涌現(xiàn)能力，成為研究的熱點。

教育領(lǐng)域，大語言模型在輔助教學(xué)、個性化學(xué)習(xí)資源、優(yōu)化學(xué)習(xí)路徑等方面潛力巨大[8-9]。將大語言模型應(yīng)用于中醫(yī)藥研究生教育，有望通過智能化手段提升科研能力，推動學(xué)科現(xiàn)代化。例如，中國科學(xué)院文獻(xiàn)情報中心與科大訊飛股份有限公司聯(lián)合研發(fā)的科技文獻(xiàn)大模型-星火科研助手，就是一個成功案例。該模型基于豐富的科技文獻(xiàn)資源，提供成果調(diào)研、論文研讀和學(xué)術(shù)寫作等科研助手功能，為科研工作者提供了一個高效、精準(zhǔn)的科技文獻(xiàn)服務(wù)平臺，極大地助力了科研工作的開展[10-11]。

盡管大語言模型在研究生科研能力提升方面有成效，但在中醫(yī)藥專業(yè)仍面臨挑戰(zhàn)。首先，提示詞（Prompt） 設(shè)計不合理是突出問題。提示詞直接影響大語言模型對問題的理解和回答的準(zhǔn)確性。中醫(yī)藥研究生調(diào)研古典書籍時，合理提示詞可獲得更清晰的回答。然而，不熟悉人工智能的研究生難以設(shè)計有效提示詞，可能無法充分利用大模型潛力。其次，數(shù)據(jù)整理和分析能力欠缺是重要問題。中醫(yī)藥研究生可能缺乏數(shù)據(jù)清洗、預(yù)處理和分析技能，而這些技能對利用大語言模型至關(guān)重要。

本文旨在探討大語言模型在中醫(yī)藥研究生科研能力培養(yǎng)中的應(yīng)用潛力，分析其在文獻(xiàn)檢索、實驗設(shè)計、數(shù)據(jù)分析和論文寫作中的作用，為中醫(yī)藥教育和科研提供新思路。具體策略如圖1所示。

1 中醫(yī)藥研究生科研能力現(xiàn)狀

1.1 文獻(xiàn)檢索效率的挑戰(zhàn)

中醫(yī)藥研究生科研工作首先面臨知識檢索難題。中醫(yī)藥古典文獻(xiàn)（如《黃帝內(nèi)經(jīng)》《傷寒雜病論》） 蘊含豐富理論和實踐，但古文晦澀和非標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)構(gòu)給信息檢索帶來障礙。學(xué)生需投入大量時間閱讀理解古籍，且缺乏高效檢索工具，難以快速定位信息。這一現(xiàn)狀嚴(yán)重制約了中醫(yī)藥研究生科研工作的效率和深度。

1.2 實驗設(shè)計能力的不足

實驗設(shè)計是科研核心，但其復(fù)雜性對中醫(yī)藥研究生是挑戰(zhàn)。由于基礎(chǔ)理論不扎實和復(fù)雜知識整合能力缺乏，研究生面對新方向時難以有效實驗設(shè)計。此外，團隊合作中發(fā)散思維和創(chuàng)新意識不足，限制了提出創(chuàng)新問題和設(shè)計思路的能力。

1.3 數(shù)據(jù)分析能力的薄弱

臨床研究中，數(shù)據(jù)分析至關(guān)重要。中醫(yī)藥研究生統(tǒng)計學(xué)和數(shù)據(jù)科學(xué)基礎(chǔ)薄弱，面對復(fù)雜數(shù)據(jù)分析任務(wù)可能力不從心。此不足影響數(shù)據(jù)有效解讀，制約數(shù)據(jù)標(biāo)準(zhǔn)化能力，以及利用大語言模型提升分析效率的潛力。

1.4 論文撰寫能力的待提升

論文撰寫是科研成果傳播關(guān)鍵，但中醫(yī)藥研究生面臨挑戰(zhàn)。英語水平不足、論述不深入、框架條理欠缺，影響準(zhǔn)確表達(dá)研究思路和結(jié)果。這些問題降低論文質(zhì)量，影響發(fā)表機會。研究生對英文寫作的畏難情緒，降低了寫作積極性。

中醫(yī)藥研究生在科研能力上的現(xiàn)狀亟須改進。提升文獻(xiàn)檢索效率、加強實驗設(shè)計能力、強化數(shù)據(jù)分析技能以及提高論文撰寫水平，是當(dāng)前教育和科研工作中需要重點關(guān)注和解決的問題。通過這些方面的提升，可以有效地增強中醫(yī)藥研究生的科研能力，進而推動中醫(yī)藥學(xué)科的發(fā)展和創(chuàng)新。

2 大語言模型提升中醫(yī)藥研究生科研能力策略

近年來，大語言模型的快速發(fā)展正在重塑研究生教育和科研的各個方面。目前常見的大語言模型如表1所示。大語言模型通過深度學(xué)習(xí)和數(shù)據(jù)訓(xùn)練，能夠執(zhí)行復(fù)雜的語言任務(wù)，在理解和生成自然語言方面展現(xiàn)出了前所未有的能力。當(dāng)前的教育和科研背景下，大語言模型在中醫(yī)藥研究生科研能力提升上扮演著越來越重要的角色。本文主要闡述大語言模型在優(yōu)化文獻(xiàn)檢索、輔助實驗設(shè)計、提升數(shù)據(jù)分析能力和優(yōu)化論文撰寫這四個方面的策略。

2.1 利用大語言模型優(yōu)化知識檢索

快速提取中醫(yī)藥文本信息是提升研究生科研能力的關(guān)鍵。利用檢索增強生成（RAG） 技術(shù)，從海量文獻(xiàn)中精準(zhǔn)提取信息并生成回答，有助于發(fā)現(xiàn)中醫(yī)藥隱性知識。提示詞設(shè)計對提升大模型處理復(fù)雜任務(wù)的準(zhǔn)確性和效率至關(guān)重要。提示詞通常由指令和輸入數(shù)據(jù)組成，指令應(yīng)明確、清晰，上下文內(nèi)容越精確，生成效果越好。如圖2所示，提示詞優(yōu)化通過增設(shè)背景提示、角色設(shè)定、示例引導(dǎo)及輸出規(guī)范等策略，有效提升了大模型輸出效果。

因此，本文將研究開發(fā)適用于中醫(yī)藥領(lǐng)域的提示詞庫，深入分析專業(yè)術(shù)語和研究問題，確保準(zhǔn)確性和實用性。首先，通過文獻(xiàn)綜述和需求分析，了解中醫(yī)藥研究生使用大語言模型的具體需求和問題，為提示詞庫開發(fā)和培訓(xùn)課程設(shè)計提供指導(dǎo)。其次，基于文獻(xiàn)綜述和需求分析設(shè)計初步提示詞庫。再次，通過互動和反饋，優(yōu)化調(diào)整提示詞庫，確保有效性和適用性。最后，通過工作坊和在線教程，教育研究生設(shè)計和使用有效提示詞，提高與大模型科研助手互動效率。此外，通過構(gòu)建包含中醫(yī)典籍、古籍和文獻(xiàn)的核心數(shù)據(jù)基礎(chǔ)（需引用數(shù)據(jù)來源） ，大語言模型可實現(xiàn)中醫(yī)藥領(lǐng)域知識智能問答。

2.2 利用大語言模型輔助實驗設(shè)計

大語言模型可模擬專家思維，提供實驗設(shè)計參考和建議。如圖3所示，用戶輸入提示詞，大語言模型（如Kimi） 分析歷史數(shù)據(jù)和文獻(xiàn)，自動生成初步實驗方案，包括目的、方法、材料和預(yù)期結(jié)果。研究生可根據(jù)建議，結(jié)合自身情況優(yōu)化實驗設(shè)計。此外，中醫(yī)藥LLM中，混合專家系統(tǒng)（MoE） 整合規(guī)則推理、神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)和模糊邏輯等技術(shù)，形成處理復(fù)雜和不確定問題的系統(tǒng)。MoE可處理診斷和治療中的不確定性，吸納新臨床結(jié)果和反饋，優(yōu)化更新治療策略。

2.3 利用大語言模型提升數(shù)據(jù)分析能力

通過開設(shè)數(shù)據(jù)科學(xué)基礎(chǔ)課程（結(jié)合大語言模型應(yīng)用） ，采用理論與實踐結(jié)合的教學(xué)方法（如講座、實踐、案例研究） ，提升研究生數(shù)據(jù)技能。課程內(nèi)容根據(jù)中醫(yī)藥領(lǐng)域需求定制。利用大語言模型整合統(tǒng)計和數(shù)據(jù)分析工具，提供智能化分析服務(wù)。通過自然語言指令（舉例） ，研究生可進行數(shù)據(jù)清洗、統(tǒng)計分析和結(jié)果解釋。大語言模型自動化處理分析大量數(shù)據(jù)，減少數(shù)據(jù)整理工作量，使研究生專注于創(chuàng)新和深入分析。大語言模型可作為輔助決策工具，推薦統(tǒng)計方法和模型，提高數(shù)據(jù)分析準(zhǔn)確性和效率。大語言模型可整合數(shù)據(jù)挖掘技術(shù)，從大量中醫(yī)藥數(shù)據(jù)中提取信息。例如，使用聚類分析、因子分析、關(guān)聯(lián)規(guī)則等方法發(fā)現(xiàn)方劑配伍規(guī)律和癥狀分析。

2.4 利用大語言模型優(yōu)化論文撰寫

大語言模型可輔助研究生撰寫高質(zhì)量學(xué)術(shù)論文。通過自然語言生成技術(shù)，模型可生成論文各部分（如摘要、引言、方法、結(jié)果和討論） 研究生可在此基礎(chǔ)上修改完善，提高論文質(zhì)量和發(fā)表可能性。大語言模型可通過語言校對和潤色，改進論文語言和表達(dá)。

3 結(jié)論

本研究探討了大語言模型在中醫(yī)藥研究生科研能力提升中的作用和潛力。分析發(fā)現(xiàn)，大語言模型在文獻(xiàn)檢索優(yōu)化、實驗設(shè)計輔助、數(shù)據(jù)分析能力增強、論文撰寫優(yōu)化等方面為中醫(yī)藥研究生提供助力。

總之，大語言模型在中醫(yī)藥研究生科研能力提升上價值顯著，為學(xué)科發(fā)展和現(xiàn)代化注入活力。未來，隨著人工智能技術(shù)進步，大語言模型在中醫(yī)藥教育和科研領(lǐng)域前景廣闊，期待其推動學(xué)科創(chuàng)新，培養(yǎng)更多具備現(xiàn)代科研能力的中醫(yī)藥人才。同時，大語言模型的應(yīng)用還面臨著一些挑戰(zhàn)，如模型的準(zhǔn)確性、數(shù)據(jù)的安全性和倫理問題等。因此，未來的研究需要在確保技術(shù)可靠性和安全性的基礎(chǔ)上，進一步探索大語言模型在中醫(yī)藥領(lǐng)域的深度應(yīng)用。同時，我們也需要加強跨學(xué)科的合作，整合資源，共同推動大語言模型在中醫(yī)藥教育和科研中的健康發(fā)展。

參考文獻(xiàn)：

[1] 張伯禮.加強中醫(yī)藥臨床基礎(chǔ)研究 推動中醫(yī)藥科技創(chuàng)新發(fā)展[J].中國科學(xué)基金，2024，38（3）：377.

[2] 鄧穎，胡淑娟，彭清華.湖南中醫(yī)藥大學(xué)學(xué)位與研究生教育的探索與實踐[J].湖南中醫(yī)藥大學(xué)學(xué)報，2024，44（10）：1739-1744.

[3] 李玲，張彤. 現(xiàn)代科技賦能中藥全產(chǎn)業(yè)鏈的傳承與創(chuàng)新[J].中成藥，2024，46（10）：3540-3544.

[4] 江如藍(lán)，雷結(jié)語，陳文禮，等.基于人工智能感官技術(shù)的中藥質(zhì)量控制方法研究進展[J].藥學(xué)前沿，2024，28（11）：550-556.

[5] 楊青，黃壯壯，許剛，等.人工智能在中藥研究中的應(yīng)用進展[J].中成藥，2024，46（10）：3529-3532.

[6] XU H Q，SHAO X，HUI S J，et al.Supervised breast cancer prediction using integrated dimensionality reduction convolutional neural network[J].PLoS One，2023，18（5）：e0282350.

[7] WANG Z J，LU H M，YAN H X，et al.Vison transformer adapter-based hyperbolic embeddings for multi-lesion segmentation in diabetic retinopathy[J].Scientific Reports，2023，13（1）：11178.

[8] 康來，謝毓湘，郭金林，等.大語言模型時代工科實踐教學(xué)的機遇、挑戰(zhàn)與應(yīng)對初探[J].大學(xué)教育，2024（22）：11-16.

[9] 劉明，楊閩，吳忠明，等.教育大模型智能體的開發(fā)、應(yīng)用現(xiàn)狀與未來展望[J].現(xiàn)代教育技術(shù)，2024，34（11）：5-14.

[10] 劉慶峰.星火大模型技術(shù)最新進展及產(chǎn)業(yè)應(yīng)用[J].中國經(jīng)濟報告，2024（4）：131-133.

[11] 徐文博，周曉平.類ChatGPT大語言模型在護理課程考核中的應(yīng)用探索：基于ChatGPT、文心一言、訊飛星火測試[J].中國醫(yī)學(xué)教育技術(shù)，2024，38 （5）：567-571.

【通聯(lián)編輯：李雅琪】