百川发布M2 Plus，医疗幻觉率比DeepSeek低3倍！

作者｜子川

来源｜AI先锋官

大模型竞争越来越激烈，今天你屠个榜，明天我拿个全球第一 ！

但似乎没有一款模型在医疗领域“拍胸脯”！

毕竟，幻觉问题至今无法解决，满嘴跑火车的情况对医疗而言，实在“致命”。

昨天，百川智能发布了循证增强医疗大模型Baichuan-M2 Plus。

评测显示，M2 Plus 的医疗幻觉率较通用大模型显著降低，相比 DeepSeek 低约 3 倍，甚至优于美国最火医疗产品 OpenEvidence，可信度比肩资深临床医生水准。

先看M2 Plus的成绩单——

在多国医学知识考试中，得分优于其他顶尖模型

比如，在美国执业医师资格考试(USMLE)中，M2 Plus拿下了97分，和GPT-5打了个平手，稳居全球第一梯队。

在中国执业医师资格考试 (NMLE)，及格线360分，能考到500分以上就是大家眼里的学神，而M2 Plus直接考了568分。

不仅如此，M2 Plus的幻觉率也大幅度降低！

在病史分析、诊断思路、治疗方案等真实复杂的核心医疗场景中，综合幻觉率在所有大模型当中最低。

相较 DeepSeek R1 最新版降低3倍，显著领先 OpenEvidence和GPT-5。

为什么模型的幻觉率有明显的下降？

百川给M2 Plus开了独门药方——首创“六源循证推理”（EAR）范式。

简单来说，就是三步走，给AI的嘴，上把锁。

M2 Plus做的第一件事，就是把网上那些鱼龙混杂的非专业信息全都屏蔽掉，只使用权威来源的医学证据。

在此基础上构建了从证据、到实践、再到真实世界反馈六层证据类型的知识体系。

• 原始研究层：索引海量医学期刊论文 4000 余万篇，超过 PubMed 收录数量，涵盖基础与临床研究成果，是循证链条的起点；

• 证据综述层：整合系统评价和 Meta 分析等高等级证据，提供经过汇总的研究结论；

• 指南规范层：引入国际和国内权威机构发布的临床指南、专家共识和行业标准，确保回答符合最新规范；

• 实践知识层：包含临床病例报道、一线专家经验和诊疗技巧等实用知识，贴近医疗实践场景；

• 公共健康教育层：汇集权威科普和公共卫生知识，如疾病预防宣教、健康指导等内容，服务大众健康教育；

• 监管与真实世界层：涵盖药监部门公告、临床试验登记及大规模真实世界研究数据等信息，以反映最新的监管动态与人群研究结果；

这六个源头像一个金字塔，从最底层的4000多万篇医学论文，到药监部门公告和真实世界的研究数据，一层比一层精炼。

原始层回答“事实是否存在”、证据层回答“结论是否一致”、指南层回答“行业如何规范”、实践层回答“医生应如何决策”、公共层回答“患者应如何理解”、真实世界层回答“是否存在新风险”。

这么一套组合拳下来，就保证了AI的知识库里全是干货，先是从源头上杜绝了胡说八道。

有了靠谱的知识库还不够，还得找得准。普通AI搜索就像大海捞针，而M2 Plus用的是一套叫PICO框架的思维模式。

它会像医生一样，把你的问题拆解成四个核心要素：人群（P）、干预（I）、对照（C）、结局（O）。

比如你问“老年人睡前用呼吸机（CPAP）能改善高血压吗？”

它会立刻抓住“老年人”、“呼吸机”、“高血压”这些关键点，然后去知识库里精准匹配最高质量的研究报告。

最关键的一步来了。为了防止AI在拿到证据后自由发挥。

百川给M2 Plus的训练机制加了道锁：奖励“引用”，惩罚“臆测”。

在M2 Plus的系统里，如果回答能准确引用权威指南或者文献，就会得高分；

一旦回答脱离了检索到的证据就会受到惩罚。

同时，它还内置了内置“证据评估器”，能自动评估证据的可信度，优先采用最高等级的证据。

最终的结果就是，M2 Plus的每一个关键回答，都会像写论文一样，清清楚楚地附上参考文献和来源，让你随时可以查证。

AI看病这事儿，看起来慢慢要靠谱了。

扫码邀请进群，我们带你一起来玩转ChatGPT、GPT-4、文心一言、通义千问、讯飞星火等AI大模型，顺便学一些AI搞钱技能。

往期文章回顾