Danh sách tinTether 的 Medical AI 可在您的手機上運行,且效能優於其 16 倍大的模型
Decrypt2026-05-07 15:01:23USDT

Tether 的 Medical AI 可在您的手機上運行,且效能優於其 16 倍大的模型

ORIGINALTether's Medical AI Runs on Your Phone and Outperforms Models 16x Its Size
Phân tích tác động AIGrok đang phân tích...
📄Toàn văn bài viết· Được trích xuất tự động bởi trafilaturaGemini 翻譯4100 từ
Tóm tắt - QVAC MedPsy 1,7 tỷ tham số của Tether đã vượt qua MedGemma-4B của Google và đánh bại MedGemma-27B trên HealthBench Hard, một tiêu chuẩn đánh giá của OpenAI kiểm tra các cuộc hội thoại lâm sàng thực tế được chấm điểm bởi 262 bác sĩ. - Mô hình 4 tỷ tham số tạo ra phản hồi trong khoảng 909 token so với khoảng 2.953 token của các hệ thống tương đương—mức giảm 3,2 lần giúp việc triển khai tại bệnh viện và trên thiết bị di động trở nên thực tế. - Các mô hình được cung cấp ở định dạng GGUF đã được lượng tử hóa (1,2 GB và 2,6 GB) và chạy hoàn toàn trên phần cứng phổ thông mà không cần cơ sở hạ tầng đám mây. Tether, công ty stablecoin nổi tiếng nhất với USDT, vừa phát hành một mô hình AI y tế có thể bỏ túi và có khả năng vượt trội hơn các đối thủ lớn gấp hơn mười lần. QVAC MedPsy ra mắt hôm nay từ Nhóm Nghiên cứu AI của Tether như một lớp mô hình ngôn ngữ y tế mới được thiết kế để chạy trên điện thoại thông minh, thiết bị đeo và thiết bị biên—không cần đám mây. Con số tiêu đề: một mô hình nhỏ 1,7 tỷ tham số có khả năng đánh bại MedGemma-4B của Google trên các tiêu chuẩn y tế mặc dù kích thước chưa bằng một nửa. Trên HealthBench Hard—tiêu chuẩn đánh giá của OpenAI nhằm đánh giá AI dựa trên các cuộc hội thoại lâm sàng thực tế, đa lượt được chấm điểm bởi 262 bác sĩ—Tether cho biết mô hình 1,7 tỷ tham số của họ đạt điểm cao hơn MedGemma-27B, một mô hình lớn hơn gần mười sáu lần. Tham số là tất cả các cấu hình và giá trị mà một mô hình học được trong quá trình huấn luyện. Về lý thuyết, càng nhiều tham số thì mô hình càng tốt. Bộ kiểm tra bao gồm MedQA-USMLE, đo lường kiến thức lâm sàng bằng cách sử dụng các câu hỏi theo phong cách thi cấp phép y tế của Mỹ được tính theo tỷ lệ phần trăm chính xác, cho đến AfriMedQA, kiểm tra hiệu suất cụ thể cho các bối cảnh chăm sóc sức khỏe ở các khu vực châu Phi còn thiếu thốn dịch vụ. CEO của Tether, Paolo Ardoino, cho rằng những thành tựu này là nhờ hiệu quả thay vì quy mô. "Với QVAC MedPsy, trọng tâm của chúng tôi là cải thiện hiệu quả ở cấp độ mô hình thay vì tăng quy mô," ông cho biết trong một tuyên bố. "Mô hình 4 tỷ của chúng tôi đã vượt qua kết quả của các mô hình lớn hơn gần bảy lần, trong khi sử dụng ít token hơn tới ba lần cho mỗi phản hồi." Hiệu quả token đó là tiêu đề quan trọng khác. Mô hình 4B trung bình khoảng 909 token cho mỗi phản hồi so với 2.953 token cho các hệ thống tương đương—mức giảm 3,2 lần. Ít token hơn đồng nghĩa với chi phí tính toán thấp hơn, phản hồi nhanh hơn và quan trọng nhất là khả năng chạy cục bộ mà không cần backend đám mây. "Bạn có thể chạy suy luận y tế ngay tại nơi dữ liệu tồn tại, bên trong hệ thống bệnh viện hoặc trên thiết bị, mà không cần di chuyển thông tin nhạy cảm qua đám mây hoặc chờ đợi xử lý bên ngoài," Ardoino nói. Các mô hình được cung cấp dưới dạng tệp GGUF đã được lượng tử hóa—1,2 GB cho mô hình 1,7 tỷ tham số và 2,6 GB cho mô hình 4 tỷ—với các phiên bản nén giữ lại hầu hết hiệu suất tiêu chuẩn trong khi vẫn phù hợp với phần cứng phổ thông. Điều đó có nghĩa là một hệ thống bệnh viện, phòng khám nông thôn hoặc bác sĩ cá nhân có thể chạy mô hình hoàn toàn trên thiết bị, giữ hồ sơ bệnh nhân tránh xa cơ sở hạ tầng đám mây của bên thứ ba và tránh rủi ro lộ lọt HIPAA. Lợi ích về quyền riêng tư có thể là một điểm cộng lớn đối với một số người, nhưng việc sử dụng AI cho các ý kiến y tế vẫn còn xa mới đạt mức lý tưởng ngay cả theo tiêu chuẩn ngày nay. Một nghiên cứu của Oxford công bố vào tháng 2 cho thấy các LLM thường xuyên đưa ra lời khuyên y tế nguy hiểm với câu trả lời sai, hướng dẫn gây nhầm lẫn và xử lý kém các triệu chứng tinh tế. Các nhà nghiên cứu không hoàn toàn bác bỏ công nghệ này, nhưng lập luận rằng
Trạng thái dữ liệu✓ Đã trích xuất toàn vănĐọc bài gốc (Decrypt)
🔍Sự kiện tương tự trong lịch sử· Đối chiếu từ khóa + tài sản6 tin
💡 Hiện đang sử dụng đối chiếu từ khóa + tài sản (MVP) · Sau này sẽ nâng cấp lên tìm kiếm ngữ nghĩa embedding
Thông tin gốc
ID:92ee7db9f7
Nguồn:Decrypt
Đăng:2026-05-07 15:01:23
Danh mục:Chung · Danh mục xuất neutral
Tài sản:USDT
Bình chọn cộng đồng:+0 /0 · ⭐ 0 quan trọng · 💬 0 bình luận
Tether 的 Medical AI 可在您的手機上運行,且效能優於其 16 倍大的模型 | Feel.Trading