微软在早在三月份就分享了一项研究《Capabilities of GPT-4 on Medical Challenge Problems》表明,利用非常简单的提示策略就能让GPT-4拥有医学方面的特长。其结果表明，"开箱即用 "的通用模型可以通过基本的提示来应对一系列医学挑战问题。

https://arxiv.org/pdf/2311.16452.pdf

目前业内普遍认为，要想扩展通用基础模型，使其在特定领域表现出色，就必须进行以专业为中心（ specialty-centric）的微调。虽然微调可以提高性能，但这一过程可能代价高昂。微调通常需要专家或专业标注数据集（例如，通过 MedPaLM 项目中的顶级临床医生），然后训练更新模型参数。这一过程可能是资源密集型的，而且成本高昂，因此对许多中小型机构来说是一项艰巨的挑战。而Medprompt 研究表明，更深入地探索将通用模型转化为专业模型的提示可能性，并将这些模型的优势扩展到新领域和新应用，是非常有价值的。并且有趣的是，Medprompt还具备很强的泛化能力，无需对特定领域的提示策略进行任何更新，就能在电气工程、机器学习、哲学、会计、法律和心理学等多个领域的专业能力考试中发挥作用。

这一结论将会对业内认知产生重大影响，这或许也是微软首席科学家亲自撰文的原因之一吧。这也意味专用模型的最后一块领地也要面临挑战，专业模型微调面临新的命运宣判。但笔者认为，也不用过分担忧，微软目前发布的仅是一些测评数据集上的性能表现，后续可能还会有更多的详细解读和实践落地研究出现，形势也将会不断明朗。另一方面，这类专业/行业模型更多是公共知识，对于那些企业内部私域知识来讲，就当前认知来看，模型不可能获得这样的知识，仍然存在一些专业领域微调的空间，不过值得思考的是微调就一定是解决这类问题的最佳手段吗？