Pro版本30%折扣立即獲取
Medical AI Background

BioGPT

Microsoft 的先進生物醫學語言模型

醫療 AI 對話由 Dr7.ai 提供

體驗 BioGPT 的強大實力。這款 Microsoft 尖端生物醫學語言模型專為醫學文本處理、文獻分析與全方位生物醫學自然語言處理(NLP)任務而設計。

🧬
BioGPT
生物醫學文本生成模型
347M
參數(BioGPT-Large:1.5B)
Microsoft Research
開放權重 · MIT 授權

試用 BioGPT 互動式示範

體驗 Microsoft 的先進生物醫學語言模型,進行醫學文本處理與分析

全面發揮 BioGPT 的潛力

無限暢用 Microsoft 的先進生物醫學語言模型,享有強化功能、優先支援與全面的生物醫學文本處理能力。

10+
先進模型
24/7
專家支援
∞
無限使用

什麼是 BioGPT?

BioGPT 是由 Microsoft Research 開發、用於生物醫學文本的生成式預訓練 Transformer(Luo 等人,Briefings in Bioinformatics,2022)。它採用 GPT-2 medium 架構(24 層、隱藏維度 1024、16 個注意力頭),共有 3.47 億(347M)個參數,並使用從生物醫學文本學習而來的專屬詞彙表。它也常被寫成 Bio GPT、BioGPT AI 或 Microsoft BioGPT;規模更大的版本則是 BioGPT-Large。

BioGPT 在生物醫學文本生成、問答與文獻分析任務中展現卓越表現。它使用數百萬篇生物醫學論文與臨床文本進行訓練,能夠理解醫學術語與概念。

規模更大的 BioGPT-Large(15 億參數,GPT-2 XL 架構)經微調後,在 PubMedQA 上達到 81.0% 的準確率。程式碼與權重皆採 MIT 授權;官方 GitHub 儲存庫約有 4.5k 顆星(2026 年 10 月),模型以 microsoft/biogpt、microsoft/BioGPT-Large 與 microsoft/BioGPT-Large-PubMedQA 發布於 Hugging Face。

🚀

發布與現況

由 Microsoft Research 於 2022 年 10 月發布(arXiv 2210.10341)

≈4.5k
GitHub 星數(2026 年 10 月)

Hugging Face 上的權重最後一次更新是在 2023 年 2 月;此後官方儲存庫未再發布新的 BioGPT 版本。

主要功能

模型的設計目標與評測任務

核心能力

  • ✓生物醫學文本生成(例如為藥物、基因與疾病產生流暢的描述)
  • ✓端到端關係擷取:化學物質–疾病、藥物–標靶、藥物–藥物交互作用
  • ✓以 PubMed 摘要為基礎的問答(PubMedQA)
  • ✓生物醫學文件分類(癌症標誌特徵,Hallmarks of Cancer)
  • ✓從 PubMed 文本學習而來的領域詞彙表
  • ✓可針對新的生物醫學文本任務進行微調

效能基準

Microsoft 在 BioGPT 論文(Luo 等人,2022)中發表的微調結果——並非 Dr7.ai 實測

BC5CDR
化學物質–疾病關係擷取(端到端 F1)
44.98
KD-DTI
藥物–標靶交互作用擷取(F1)
38.42
DDI
藥物–藥物交互作用擷取(F1)
40.76
PubMedQA
生物醫學問答(準確率)
78.2%
PubMedQA · BioGPT-Large
同一任務,使用 1.5B 模型(準確率)
81.0%
HoC
癌症標誌特徵文件分類(F1)
85.12

應用情境

🔬

生物醫學研究

為生物醫學術語產生文獻風格的描述,並從 PubMed 摘要中探勘實體與其關係。

🏥

生物醫學問答研究

針對研究摘要問答(PubMedQA)進行微調。它是研究用模型,不是臨床決策支援工具。

💊

藥物研發

從已發表文獻中擷取藥物–標靶與藥物–藥物交互作用,協助資料整理與假說生成。

如何使用 BioGPT

透過 Hugging Face 或在本機執行 Microsoft 的 BioGPT,或體驗 Dr7 自有生物醫學 AI 對話。

1

存取 BioGPT

Microsoft 官方 README 所連結的 Hugging Face 示範 Space(BioGPT-Large 文本生成與 PubMedQA 問答),在我們 2026 年 10 月 20 日檢查時都顯示執行階段錯誤(Runtime error),因此目前沒有可用的官方線上示範。您可以試用本頁的生物醫學對話(Dr7.ai 自家助理,並非原版模型權重),或依下方方式自行執行模型。

2

Hugging Face(transformers)

BioGPT 已內建於 Hugging Face transformers 函式庫。安裝 transformers、torch 與 sacremoses(BioGptTokenizer 需要此套件)後,即可載入模型:

# pip install transformers torch sacremoses
from transformers import BioGptTokenizer, BioGptForCausalLM, pipeline

tokenizer = BioGptTokenizer.from_pretrained("microsoft/biogpt")
model = BioGptForCausalLM.from_pretrained("microsoft/biogpt")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)
print(generator("COVID-19 is", max_new_tokens=40)[0]["generated_text"])

•microsoft/biogpt —— 基礎模型,3.47 億參數

•microsoft/BioGPT-Large —— 15 億參數(fp32 權重約 6.3 GB)

•microsoft/BioGPT-Large-PubMedQA —— 針對 PubMedQA 微調

•將程式碼中的模型 ID 替換掉,即可使用更大的模型

3

以原始程式碼在本機執行

Microsoft 的 GitHub 儲存庫(microsoft/BioGPT)提供以 fairseq 實作的原始程式碼與可下載的模型權重,包括針對論文中各項任務微調的模型。

•提供 BC5CDR、KD-DTI、DDI、HoC 與 PubMedQA 的微調權重

•原始環境固定為 PyTorch 1.12、Python 3.10 與 fairseq 0.12

•斷詞需要 Moses 與 fastBPE

•建議使用 GPU,BioGPT-Large 尤其需要

BioGPT 不是問診聊天機器人

BioGPT 是生物醫學文本生成與探勘模型:它能續寫文獻風格的文字,經過針對任務的微調後表現良好,但它並未被訓練來進行對話,也無法判讀您的症狀、檢驗結果或影像。若想針對症狀、檢驗報告或醫學影像取得結構化的 AI 報告,請使用 Dr7.ai 的 AI 醫學診斷工具。

開啟 AI 醫學診斷

重要注意事項

需要領域專業

BioGPT 的輸出應由領域專家審查,特別是用於臨床或研究應用時。

針對任務微調

若要獲得最佳效果,建議針對您的生物醫學領域或特定任務微調 BioGPT。

BioGPT 與其他生物醫學語言模型比較

BioGPT、BioGPT-Large、BioMedLM、PubMedBERT 與 PMC-LLaMA 一覽

模型參數量訓練語料授權PubMedQA(準確率)
BioGPT347M1,500 萬筆 PubMed 標題 + 摘要MIT78.2%
BioGPT-Large1.5BPubMedMIT81.0%
BioMedLM2.7BPubMed 摘要 + 全文(取自 The Pile)BigScience BLOOM RAIL 1.074.4%
PubMedBERT~110M (BERT-base)PubMed 摘要(其中一個版本另加 PubMed Central 全文)MIT55.8%
PMC-LLaMA 13B13BLLaMA-13B + 480 萬篇生物醫學論文 + 3 萬本醫學教科書OpenRAIL(Hugging Face 模型卡);以 LLaMA 為基礎77.9%

各項分數皆取自各模型自己的論文(PubMedBERT 的分數取自 BioGPT 論文中的比較),實驗設定不同(微調 vs 指令微調),僅供參考,並非同條件下的直接比較。

常見問題

關於 BioGPT 的常見問題

BioGPT 是免費的嗎?

是的。Microsoft 以 MIT 授權釋出 BioGPT 的程式碼與模型權重,該授權同樣適用於預訓練模型,因此您可以免費下載並執行 BioGPT 與 BioGPT-Large,包括商業用途。自行執行只需負擔自己的運算成本。

可以線上使用 BioGPT 嗎?

沒有官方的線上服務。Microsoft 並未提供託管的 BioGPT 應用程式,其 README 所連結的 Hugging Face 示範 Space 在 2026 年 10 月 20 日檢查時顯示執行階段錯誤。您可以從 Hugging Face 自行執行模型,或試用本頁的生物醫學對話——它是 Dr7.ai 自家的助理,而非 BioGPT 原版模型權重。

BioGPT 和 ChatGPT,處理生物醫學文本哪個比較好?

兩者用途不同。BioGPT 是小型模型(347M;BioGPT-Large 為 1.5B),只以 PubMed 摘要預訓練,設計上是針對特定任務微調,例如關係擷取、PubMedQA 或文件分類;它可以在您自己的硬體上執行,但沒有經過對話用的指令微調。ChatGPT 是通用的對話助理,在遵循指令與解說方面強得多,但它不是專門的領域模型,也無法像 BioGPT 那樣在本機微調。

如何從 Hugging Face 執行 BioGPT?

安裝 transformers、torch 與 sacremoses,接著從 "microsoft/biogpt"(或 "microsoft/BioGPT-Large")載入 BioGptTokenizer 與 BioGptForCausalLM 並生成文字,例如使用 transformers 的 text-generation pipeline。上方「如何使用 BioGPT」段落中的程式碼示範了最精簡的寫法。

什麼是 BioGPT-Large?

BioGPT-Large 是 BioGPT 的放大版,採用 GPT-2 XL 架構,擁有 15 億個參數。經微調後,它在 PubMedQA 上達到 81.0% 的準確率(3.47 億參數的 BioGPT 為 78.2%),該微調模型以 microsoft/BioGPT-Large-PubMedQA 發布。兩者皆以 MIT 授權發布於 Hugging Face。

BioGPT 在生物醫學基準測試上的準確度如何?

在 BioGPT 論文中,經微調的 BioGPT 在端到端關係擷取任務 BC5CDR、KD-DTI 與 DDI 上的 F1 分別為 44.98%、38.42% 與 40.76%,在 PubMedQA 上準確率為 78.2%,在 HoC 文件分類上 F1 為 85.12%。這些都是針對特定任務微調後的結果;輸出仍應由領域專家查核。

BioGPT 可以用於臨床應用嗎?

BioGPT 是以已發表文獻(而非臨床病歷)訓練的研究模型,尚未經過病患照護方面的驗證。它可以支援文獻探勘等研究流程,但不應取代臨床判斷,也不應用來自主做出臨床決策。