Pro版本30%折扣立即获取
Medical AI Background

BioGPT

Microsoft 的先进生物医学语言模型

医疗 AI 对话由 Dr7.ai 提供

体验 BioGPT 的强大能力。这款 Microsoft 前沿生物医学语言模型专为医学文本处理、文献分析和全方位生物医学自然语言处理(NLP)任务而设计。

🧬
BioGPT
生物医学文本生成模型
347M
参数(BioGPT-Large:1.5B)
Microsoft Research
开放权重 · MIT 许可证

试用 BioGPT 交互式演示

体验 Microsoft 的先进生物医学语言模型,进行医学文本处理与分析

全面释放 BioGPT 的潜力

无限使用 Microsoft 的先进生物医学语言模型,享受增强功能、优先支持和全面的生物医学文本处理能力。

10+
先进模型
24/7
专家支持
∞
无限使用

什么是 BioGPT?

BioGPT 是由 Microsoft Research 开发的生物医学文本生成式预训练 Transformer(Luo 等,Briefings in Bioinformatics,2022)。它采用 GPT-2 medium 架构(24 层、隐藏维度 1024、16 个注意力头),共 3.47 亿(347M)参数,并使用从生物医学文本中学习得到的专属词表。它也常被写作 Bio GPT、BioGPT AI 或 Microsoft BioGPT;其更大规模的版本是 BioGPT-Large。

BioGPT 在生物医学文本生成、问答和文献分析任务中表现卓越。它使用数百万篇生物医学论文和临床文本进行训练,能够理解医学术语和概念。

规模更大的 BioGPT-Large(15 亿参数,GPT-2 XL 架构)经微调后在 PubMedQA 上达到 81.0% 的准确率。代码和权重均采用 MIT 许可证;官方 GitHub 仓库约有 4.5k 星标(2026 年 10 月),模型以 microsoft/biogpt、microsoft/BioGPT-Large 和 microsoft/BioGPT-Large-PubMedQA 发布在 Hugging Face 上。

🚀

发布与现状

由 Microsoft Research 于 2022 年 10 月发布(arXiv 2210.10341)

≈4.5k
GitHub 星标(2026 年 10 月)

Hugging Face 上的权重最后一次更新是在 2023 年 2 月;此后官方仓库未再发布新的 BioGPT 版本。

主要功能

模型的设计目标与评测任务

核心能力

  • ✓生物医学文本生成(例如为药物、基因和疾病生成流畅的描述)
  • ✓端到端关系抽取:化学物–疾病、药物–靶点、药物–药物相互作用
  • ✓基于 PubMed 摘要的问答(PubMedQA)
  • ✓生物医学文档分类(癌症标志特征,Hallmarks of Cancer)
  • ✓从 PubMed 文本中学习的领域词表
  • ✓可针对新的生物医学文本任务进行微调

性能基准

Microsoft 在 BioGPT 论文(Luo 等,2022)中报告的微调结果——非 Dr7.ai 实测

BC5CDR
化学物–疾病关系抽取(端到端 F1)
44.98
KD-DTI
药物–靶点相互作用抽取(F1)
38.42
DDI
药物–药物相互作用抽取(F1)
40.76
PubMedQA
生物医学问答(准确率)
78.2%
PubMedQA · BioGPT-Large
同一任务,使用 1.5B 模型(准确率)
81.0%
HoC
癌症标志特征文档分类(F1)
85.12

应用场景

🔬

生物医学研究

为生物医学术语生成文献风格的描述,并从 PubMed 摘要中挖掘实体及其关系。

🏥

生物医学问答研究

针对科研摘要问答(PubMedQA)进行微调。它是研究用模型,不是临床决策支持工具。

💊

药物研发

从已发表文献中抽取药物–靶点和药物–药物相互作用,辅助数据整理和假设生成。

如何使用 BioGPT

通过 Hugging Face 或在本地运行 Microsoft 的 BioGPT,或体验 Dr7 自有生物医学 AI 对话。

1

访问 BioGPT

Microsoft 官方 README 中链接的 Hugging Face 演示 Space(BioGPT-Large 文本生成和 PubMedQA 问答)在我们 2026 年 10 月 20 日检查时均显示运行时错误(Runtime error),因此目前没有可用的官方在线演示。您可以试用本页的生物医学对话(Dr7.ai 自己的助手,并非原版模型权重),或按下方方法自行运行模型。

2

Hugging Face(transformers)

BioGPT 已内置于 Hugging Face transformers 库。安装 transformers、torch 和 sacremoses(BioGptTokenizer 依赖此包)后即可加载模型:

# 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 —— 基础模型,3.47 亿参数

•microsoft/BioGPT-Large —— 15 亿参数(fp32 权重约 6.3 GB)

•microsoft/BioGPT-Large-PubMedQA —— 针对 PubMedQA 微调

•把代码中的模型 ID 换掉即可使用更大的模型

3

使用原始代码本地运行

Microsoft 的 GitHub 仓库(microsoft/BioGPT)提供基于 fairseq 的原始实现和可下载的模型权重,包括针对论文中每项任务微调的模型。

•提供 BC5CDR、KD-DTI、DDI、HoC 和 PubMedQA 的微调权重

•原始环境固定为 PyTorch 1.12、Python 3.10 和 fairseq 0.12

•分词需要 Moses 和 fastBPE

•建议使用 GPU,BioGPT-Large 尤其如此

BioGPT 不是问诊聊天机器人

BioGPT 是一个生物医学文本生成与挖掘模型:它能续写文献风格的文本,经过针对任务的微调后表现良好,但它并未被训练用于对话,也无法解读您的症状、化验结果或影像。如需针对症状、化验单或医学影像获得结构化的 AI 报告,请使用 Dr7.ai 的 AI 医学诊断工具。

打开 AI 医学诊断

重要注意事项

需要领域专业知识

BioGPT 的输出应由领域专家审核,尤其是在临床或科研应用中。

针对任务微调

如需获得最佳效果,建议针对您所在的生物医学领域或具体任务对 BioGPT 进行微调。

BioGPT 与其他生物医学语言模型对比

BioGPT、BioGPT-Large、BioMedLM、PubMedBERT 与 PMC-LLaMA 一览

模型参数量训练语料许可证PubMedQA(准确率)
BioGPT347M1500 万条 PubMed 标题 + 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(其中一个版本另加 PubMed Central 全文)MIT55.8%
PMC-LLaMA 13B13BLLaMA-13B + 480 万篇生物医学论文 + 3 万本医学教科书OpenRAIL(Hugging Face 模型卡);基于 LLaMA77.9%

各项分数均来自各模型自己的论文(PubMedBERT 的分数取自 BioGPT 论文中的对比),实验设置不同(微调 vs 指令微调),仅供参考,并非同条件下的直接对比。

常见问题

关于 BioGPT 的常见问题

BioGPT 是免费的吗?

是的。Microsoft 以 MIT 许可证发布了 BioGPT 的代码和模型权重,该许可证同样适用于预训练模型,因此您可以免费下载并运行 BioGPT 和 BioGPT-Large,包括用于商业用途。自行运行只需承担自己的算力成本。

可以在线使用 BioGPT 吗?

没有官方的在线服务。Microsoft 未提供托管的 BioGPT 应用,其 README 中链接的 Hugging Face 演示 Space 在 2026 年 10 月 20 日检查时显示运行时错误。您可以从 Hugging Face 自行运行模型,或试用本页的生物医学对话——它是 Dr7.ai 自己的助手,而非 BioGPT 原版模型权重。

BioGPT 和 ChatGPT,处理生物医学文本哪个更好?

两者用途不同。BioGPT 是一个小模型(347M;BioGPT-Large 为 1.5B),只在 PubMed 摘要上预训练,设计用途是针对特定任务进行微调,例如关系抽取、PubMedQA 或文档分类;它可以在您自己的硬件上运行,但没有经过面向对话的指令微调。ChatGPT 是通用的对话助手,在遵循指令和解释说明方面强得多,但它不是专门的领域模型,也无法像 BioGPT 那样在本地进行微调。

如何从 Hugging Face 运行 BioGPT?

安装 transformers、torch 和 sacremoses,然后从 "microsoft/biogpt"(或 "microsoft/BioGPT-Large")加载 BioGptTokenizer 和 BioGptForCausalLM 并生成文本,例如使用 transformers 的 text-generation pipeline。上方「如何使用 BioGPT」部分的代码给出了最简示例。

什么是 BioGPT-Large?

BioGPT-Large 是 BioGPT 的放大版,基于 GPT-2 XL 架构,拥有 15 亿参数。微调后它在 PubMedQA 上达到 81.0% 的准确率(3.47 亿参数的 BioGPT 为 78.2%),该微调模型以 microsoft/BioGPT-Large-PubMedQA 发布。两者均以 MIT 许可证发布在 Hugging Face 上。

BioGPT 在生物医学基准上的准确度如何?

在 BioGPT 论文中,经微调的 BioGPT 在端到端关系抽取任务 BC5CDR、KD-DTI 和 DDI 上的 F1 分别为 44.98%、38.42% 和 40.76%,在 PubMedQA 上准确率为 78.2%,在 HoC 文档分类上 F1 为 85.12%。这些都是针对特定任务微调后的结果;其输出仍应由领域专家核查。

BioGPT 可以用于临床应用吗?

BioGPT 是一个基于已发表文献(而非临床病历)训练的研究模型,尚未经过面向患者诊疗的验证。它可以支持文献挖掘等科研工作流程,但不应取代临床判断,也不应被用于自主做出临床决策。