感染控制智能体 为全面提升医院感染管理智能化水平，近日，江苏省人民医院感染管理处在信息处的大力协助下，与南京邮电大学边缘智能研究院合作，依托讴谛医疗大模型系统，成功构建“感染控制智能体”。 通用大模型（如ChatGPT等）在解决行业专业问题时存在一定局限性，行业大模型才是今后行业应用落地的重点。通过基于DeepSeek大模型的深度语义理解与动态推理能力，创新引入RAG（Retrieval-Augmented Generation，检索增强生成）技术，构建了覆盖最新、最全的行业规范、指南、标准、专家共识和临床案例知识库，通过动态检索最新文献与院内数据库，实时更新知识库，使系统在技术咨询、辅助诊断、感染预警、策略建议、科研设计及论文撰写等工作时，既能发挥大模型的逻辑推理优势，又能通过精准检索确保结论与最新指南同步更新，同时还能符合医院个性化要求。 感染控制智能体将人工智能技术应用于感染控制，显著提高感染防控的精准性和工作效率，助力医疗质量提升，为患者与医务人员的健康筑牢坚实防线。未来将不断提升其功能和性能，使其具备性能更强、场景适宜的智能化分析与应对能力。感控智造也将为医疗行业人工智能化进

就在今日凌晨3 点，阿里开源发布了新推理模型 QwQ-32B，其参数量为 320 亿，但性能足以比肩 6710 亿参数的 DeepSeek-R1 满血版。短短数小时后，讴谛医疗大模型系统已火速完成QwQ-32B推理大模型的集成上线！千问的推文表示：「这次，我们研究了扩展RL 的方法，并基于我们的 Qwen2.5-32B 取得了一些令人印象深刻的成果。我们发现 RL 训练可以不断提高性能，尤其是在数学和编码任务上，并且我们观察到 RL 的持续扩展可以帮助中型模型实现与巨型 MoE 模型相媲美的性能。欢迎与我们的新模型聊天并向我们提供反馈！」 博客中提到，大规模强化学习（RL）非常具有潜力，在提升模型性能方面可望超越传统的预训练和后训练方法。近期的研究表明，强化学习可以显著提高模型的推理能力。例如，DeepSeek-R1 通过整合冷启动数据和多阶段训练，让AI学会了像人类一样抽丝剥茧分析问题，使其能够进行深度思考和复杂推理。而Qwen团队则探索了大规模强化学习（RL）对大语言模型的智能的提升作用，推理模型 QwQ-32B 便由此而生。这是一款拥有320 亿参数的模型，其性能可媲美具备