Gaokerena：一个小型波斯语医疗语言模型家族

论文介绍 Gaokerena，一个面向波斯语医疗领域的小型语言模型家族。Gaokerena-V 基于 9000 万 token 的波斯语医疗语料和 2 万条专家问答训练，在翻译版医疗 MMLU 基准上从 46.28% 提升至 49.31%。Gaokerena-R 通过思维链和两种 RLAIF 框架，以更少数据获得 52.98% 的分数。两个模型均配备基于内部隐藏状态预测置信度的不确定性头，但当前性能尚不足以直接用于临床。

此前非英语医疗问答研究稀缺，波斯语等低资源语言严重缺乏相关模型。Gaokerena 是首个专注于波斯语医疗的紧凑型模型，能在消费级硬件上部署，并通过自定义不确定性头提供安全评估，为医疗 AI 在低资源语言地区的落地提供基础。

通过构建波斯语医疗语料和专家问答对进行监督微调，提升领域知识。Gaokerena-R 引入思维链（CoT）和两种基于 AI 反馈的强化学习（RLAIF）框架，优化偏好推理，从而在更少数据下取得更高分数。不确定性头利用内部隐藏状态预测置信度，用于安全监测。

对产品研发而言，该模型可在消费级硬件运行，降低部署成本，适合低资源环境。不确定性头可用于医疗问答产品的风险控制，例如在低置信度时提示人工审核。但当前精度有限，不能直接作为临床决策工具，需谨慎集成。

• 开发面向波斯语用户的医疗问答产品，集成 Gaokerena 模型，支持低置信度提示人工复核。
• 将不确定性头用于智能分诊系统，对高风险问题自动转接医生。
• 基于 Gaokerena 的语料构建方法，复用于其他低资源语言医疗场景。

• Gaokerena 是否已在真实临床环境中进行有效性验证？
• 模型在消费级硬件上的具体推理速度与内存占用数据未提供。
• RLAIF 框架的具体设计细节和与基线对比的完整实验数据未展示。