一种面向眼科领域的深度推理大语言模型的构建方法及系统

本发明主要包括三个核心阶段S1‑S3。S1：数据集构建步骤；S2：冷启动监督微调步骤；S3：渐进式课程强化学习步骤；本发明通过从多源医疗领域文本数据中获取并利用知识蒸馏模型对这些数据进行结构化处理，生成包含眼科专业知识及推理逻辑的私有眼科推理数据集，使得所构建的眼科模型能够准确地掌握眼科领域的复杂解剖结构、病理生理机制、诊断标准和治疗方案等专业内容，而冷启动监督微调阶段进一步强化了这种知识的吸收，使得模型具备扎实的眼科知识基础。相比于直接使用通用语料预训练的模型，这种针对性的数据集构建方式极大地提高了模型在处理眼科专业问题时的精确性和时效性，减少了理解偏差以及误导性信息的产生，从而满足临床应用的严谨要求。