星瀚 XingHan · 自研
模型必须具备养老行业理解力,
才具备现场可用性。
星瀚是以养老语料做持续预训练、以护理记录做监督微调的行业模型,可解析医嘱,也可解析交接班记录中的简写表述。
- 架构
- MoE(混合专家)架构。
- 部署
- 端—边—云三级。
- 语料
- 养老语料持续预训练 + 护理记录监督微调。
- 边界
- 支持私有化,数据不出域。
除文本外,星瀚同时支持语音与图像输入:一段呼叫录音或一帧床旁画面,均可转化为可检索、可复核的结构化记录。
- 文本
- 医嘱、护理记录、交接班要点、行业缩写。
- 语音
- 日常对话与呼叫,转写为可检索文本。
- 图像
- 安防与床旁画面,辅助安全事件判定。
- 知识
- 知识覆盖 4 个领域。
80% 的推理任务下沉至本地(目标值),原始数据留存院内;云端仅承担训练与能力下发。外网中断时,院内判断照常运行。
- 端
- 床旁、穿戴、门禁、雷达的感知在本地接入。
- 边
- 院内推理,数据不出院。
- 云
- 持续训练,能力按版本下发。
- 断网
- 关键判断不依赖外网。
下列五项均为实验室口径或目标值,评测口径待披露。口径标注置于读者可见位置,因为脱离口径的数字不具备参考意义。
- 目标值 200ms 低延迟(实验室口径,评测口径待披露)。
- 目标值 准确率 98.7%(实验室口径,评测口径待披露)。
- 目标值 80% 推理任务下沉本地。
- 实测:护理记录监督微调 F1 0.966(实验室口径)。
- 实测:认知检测 F1 0.74(实验室口径)。