发布了OpenBioLLM-Llama3-70B和8B模型，超越了GPT-4和Med-PaLM等行业巨头，在生物医学领域取得了最先进的性能。这些模型基于LLama-3 70B和8B模型，并在临床笔记摘要、回答医学问题、临床实体识别、医学分类、去识别和生物标志物提取等各种医学应用中表现出色。模型使用多样的自定义数据集进行了微调，并可从Huggingface下载。未来的更新将包括扩大覆盖范围、更长的上下文窗口、更好的基准测试和多模态能力。

本研究提出了一种医学问题回答的对齐策略，通过指令调整和少样本以及连续思考等方法提高了大型语言模型的性能，在USMLE数据集的问题子集上达到了70.63%的表现。

本研究提出了一种医学问题回答的对齐策略，通过指令调整和少样本以及连续思考等方法提高了大型语言模型的性能，在USMLE数据集上达到了70.63%的表现。

本研究提出了一种医学问题回答的对齐策略，通过指令调整和少样本以及连续思考等方法显著提高了大型语言模型的性能，在USMLE数据集的问题子集上达到了70.63%的表现。

本研究提出了一种医学问题回答的对齐策略，通过指令调整和少样本以及连续思考等方法显著提高了大型语言模型的性能，在USMLE数据集的问题子集上达到了70.63%的优异表现。