BenCao: An Instruction-Tuned Large Language Model for Traditional Chinese Medicine

一、文章主要内容总结

本文针对现有中医领域大语言模型（LLM）缺乏多模态融合、可解释性及临床实用性的问题，提出了基于ChatGPT的中医多模态助手BenCao。该模型通过自然语言指令微调而非参数重训练，整合了超1000部中西医古典与现代文献构建的知识库、多模态诊断数据及执业中医师的反馈优化，核心围绕中医四大应用场景（中医理论学习、轻微健康不适调理、体质评估与舌诊、日常养生与季节保健）设计交互框架，同时融入思维链（CoT）模拟机制提升推理可解释性，并集成外部API实现舌象分类与多模态数据库检索。

在性能评估中，BenCao在中医单选题测试（含诊断学、中药学、方剂学等7个领域）、药材识别（准确率82.18%）和体质分类（准确率63.42%）任务中，表现优于GPT-4o、Gemini 2.5 Pro等通用领域LLM及BianCang、TCMChat等中医领域LLM。截至2025年10月，该模型已部署于OpenAI GPTs Store，全球累计近1000次用户交互，为中医教育、健康咨询及初步临床支持提供了实用工具。

二、文章创新点

1. 首个中医多模态LLM：突破现有中医模型单一文本模态局限，整合文本（理论文献）与视觉（舌象图像）模态，契合中医“四诊合参”的诊断逻辑，支持多模态推理。
2. 复合型知识库与场景化指令框架：构建涵盖1000+部古典/现代中医文献的综合知识库，并针对理论学习、轻微不适调理、体质评估、养生指导四大核心场景设计自适应交互策略，贴合真实临床与教育需求。
3. 可解释推理与反馈优化机制：引