# CERTA测试小型临床AI模型何时可用

> 研究人员评估了一种方法：当量化模型与BF16参考模型足够接近时，可由其处理临床验证决策；其余决策则升级交由参考模型处理。

Oossa · 2026-10-22 · https://oossa.com/zh/certa-tests-when-smaller-clinical-ai-models-can-be-used

研究人员推出了CERTA，用于判断压缩后的临床语言模型何时能够代替更大的BF16模型处理验证决策。未通过CERTA统计检验的决策会交由参考模型处理。

在对11个模型和2,500项决策进行的测试中，研究的运行分析显示，8位版本处理了99.8%至100%的留出决策。对于两款拥有72 billion参数的模型，部分入选的4位配置估算部署成本约为BF16参考模型的26%至27%，峰值内存占用低于48 GB。研究人员没有在该特定硬件上测试部署；结果针对的是临床验证任务，并不代表一般临床护理。

## 事实

- 评估使用了来自2,484名患者相关情境的2,500项决策，并按患者划分校准集和测试集，确保两者患者不重叠。
- 对于Qwen2.5-72B和HuatuoGPT-o1-72B，入选的4位配置峰值内存占用分别为43.0 GB和42.7 GB；研究并未直接测试在48 GB加速器上的部署。

## 为什么重要

对于正在探索本地临床验证系统的团队，CERTA提供了一种思路：将部分决策交由成本较低的压缩模型处理。但这项研究并未证明该方法适用于其他临床用途或真实环境部署，也未确立其安全性或表现。

## 来源与参考

1. [Do We Need the Largest LLMs for Every Clinical Decision?](https://arxiv.org/abs/2610.26937) – arXiv, 2026-10-21

最后更新: 2026-10-22