讀計(jì)算機(jī)博士，自然就少不了看論文，尤其是針對(duì)我的研究方向，相關(guān)論文的閱讀就必不可少了。

對(duì)了，我的研究方向是提出了一個(gè)medical Talk的框架，將其利用CPU與內(nèi)存條調(diào)用的算法與LORA微調(diào)等方式，讓這個(gè)框架運(yùn)行的模型降低，同時(shí)能夠針對(duì)醫(yī)療數(shù)據(jù)的不同類型數(shù)據(jù)，比如EMR、CT、超聲、內(nèi)鏡甚至是MRI做出模型切換，方便提出更適應(yīng)的底座模型，這樣的話就方便讓更加適合文本或者圖像甚至是視頻的模型各自分類，最終完成疾病診斷。

我以這個(gè)研究方向，自己希望是利用這框架，真的可以讓AI可以勝任人類醫(yī)生的診斷工作，讓AI模型可以運(yùn)行達(dá)到人類醫(yī)生水平，甚至是在特定的某些醫(yī)學(xué)影像為主的疾病上，可以替代人類醫(yī)生。

這是我的研究與方向。下面是我看的幾個(gè)論文

阿里巴巴和清華大學(xué)推出的M3ret框架

M3Ret: Unleashing Zero-shot Multimodal Medical Image Retrieval via Self-Supervision

這個(gè)框架將其CT、超聲、內(nèi)窺鏡、X射線的影響進(jìn)行一鍵處理并且不需要新的數(shù)據(jù)標(biāo)注來完成模型的訓(xùn)練與準(zhǔn)確度提升，如下圖是論文講解的核心算法圖示流程

右邊是本次的模型效果，不需要標(biāo)注，并且可以將2D、3D的醫(yī)學(xué)影像都能識(shí)別出來，當(dāng)然現(xiàn)在的框架缺點(diǎn)是不支持MRI的以及其他類型，只能支持這四類，同時(shí)由于CT可能存在的放射度不同

這篇文獻(xiàn)對(duì)現(xiàn)在要想做醫(yī)學(xué)通用Agent的產(chǎn)品經(jīng)理是一個(gè)不錯(cuò)的選型技術(shù)方案，但由于沒有源代碼，M3Ret需要產(chǎn)品經(jīng)理和算法工程師自己實(shí)現(xiàn)，并且由于其采用的患者數(shù)據(jù)包含了醫(yī)院私有與公開數(shù)據(jù)集累計(jì)幾十萬，文章稱之為全球最大的數(shù)據(jù)集，可以知道這個(gè)模型的準(zhǔn)確度與魯棒性是非常高，應(yīng)用價(jià)值非常高，同時(shí)還能夠知道阿里在下一盤大棋.....

論文

Language Models for Hierarchical Classification of Radiology Reports With Attention Mechanisms, BERT, and GPT-4

這是一篇針對(duì)用prompt來提升AI模型來完成醫(yī)學(xué)診斷，在CT片子上的診斷，相比于以前的神經(jīng)神經(jīng)算法，用大模型來完成片子的檢查與診斷報(bào)告解讀，幾乎可以達(dá)到零訓(xùn)練，就可對(duì)新的片子來識(shí)別。

LANGUAGE MODELS THAT THINK, CHAT BETTER

引入了基于模型獎(jiǎng)勵(lì)思考的強(qiáng)化學(xué)習(xí)（RL with Model-rewarded Thinking，簡(jiǎn)稱 RLMT），以實(shí)現(xiàn)更高的準(zhǔn)確度，并且還能夠解釋，因?yàn)橛歇?jiǎng)勵(lì)機(jī)制的分?jǐn)?shù)記錄。

上面這3篇論文，是我國慶主要研究和學(xué)習(xí)的，由于沒有源代碼的， 要想實(shí)現(xiàn)就只能逆向工程實(shí)現(xiàn)，但文獻(xiàn)指出了提升模型準(zhǔn)確度、以及通用醫(yī)療診斷上的系列方法，文獻(xiàn)框架并沒有公開，只能講解了方法，所以只能通過逆向工程實(shí)現(xiàn)，通過論文的步驟，有的是直接公開了源代碼。

不過如何，這對(duì)于我一個(gè)博士研究生以及醫(yī)學(xué)產(chǎn)品經(jīng)理來說都是非常好的方式，去做產(chǎn)品技術(shù)調(diào)研。

產(chǎn)品經(jīng)理通過文獻(xiàn)研究提升產(chǎn)品壁壘而不是做學(xué)術(shù)

在讀博之前，我其實(shí)很討厭讀文獻(xiàn)。

但是在讀博之后，我發(fā)現(xiàn)能夠和自己的產(chǎn)品工作息息相關(guān)，并且還牽涉到了產(chǎn)品的競(jìng)爭(zhēng)力與技術(shù)壁壘、甚至是開發(fā)成本，導(dǎo)致現(xiàn)在我逐步喜歡上了看文獻(xiàn)（就像看GitHub與CSDN等博客）

產(chǎn)品經(jīng)理別去為了做學(xué)術(shù)而學(xué)術(shù)

只有以用戶需求、場(chǎng)景為核心，推出一個(gè)產(chǎn)品出現(xiàn)了，那么其實(shí)本身就可以發(fā)論文了，再加上一個(gè)產(chǎn)品可以運(yùn)行，隨著用戶需求能夠不斷迭代他，你的論文會(huì)越來越有價(jià)值。

比如醫(yī)療領(lǐng)域可以從單個(gè)機(jī)構(gòu)到多中心，就逐步有更多的論文可以發(fā)了，甚至是本身多中心在系統(tǒng)的運(yùn)營方式就又可以發(fā)論文。

有了產(chǎn)品、有商業(yè)化以及專利知識(shí)產(chǎn)權(quán)，論文的價(jià)值就大大提高。

我在讀博之后發(fā)現(xiàn)，現(xiàn)在很多大學(xué)教授因?yàn)樵诖髮W(xué)剛畢業(yè)就選擇了高校，就從來沒有從0到1做過一個(gè)產(chǎn)品或者完整的產(chǎn)品甚至是產(chǎn)品直接賺過錢，只有部分算法的經(jīng)驗(yàn)或者就是論文，這就導(dǎo)致他們?cè)趲У膶W(xué)生以及自己學(xué)術(shù)生涯就很難有工程化的產(chǎn)品，也就別提那些類似DEEPSEEK的產(chǎn)品出現(xiàn)了。

在我讀博士期間，我還發(fā)現(xiàn)很多身邊教授是執(zhí)著于學(xué)術(shù)怎么發(fā)論文，發(fā)高分論文，以及獲得更多的影響影子。

而對(duì)于我讀博來說，其實(shí)讀博的過程里面發(fā)現(xiàn)的新技術(shù)與技術(shù)實(shí)現(xiàn)實(shí)驗(yàn)方法，和做成產(chǎn)品、用戶需求、用戶體驗(yàn)、商業(yè)化結(jié)合在一起，以及判斷這個(gè)產(chǎn)品的實(shí)現(xiàn)成本與技術(shù)難度。

這才是很有價(jià)值的，產(chǎn)品有用戶了，商業(yè)化了，自然好的論文也不愁了。同時(shí)有科研價(jià)值的產(chǎn)品，自然就有更高的技術(shù)壁壘和投資價(jià)值。

比如AI界的大佬李飛飛發(fā)布的world labs，就馬上獲得了融資

李飛飛不僅是學(xué)術(shù)上的成就偶像，更是商業(yè)化的偶像。而是其發(fā)布的AI模型產(chǎn)品化的提供了API調(diào)用服務(wù)，讓自己公司有非常明確的盈利價(jià)值。

產(chǎn)品化、商業(yè)化的成績之外，也是3D視頻生成的技術(shù)壁壘開創(chuàng)者，這就是真正未來產(chǎn)品經(jīng)理開發(fā)者的機(jī)會(huì)，當(dāng)然過于技術(shù)研究深度，也不好。反而喪失了產(chǎn)品的增長周期，甚至是盈利周期。

到現(xiàn)在，我還認(rèn)識(shí)有相當(dāng)多的教授與科學(xué)幾家做的論文研究，就是為了發(fā)一篇高影響力文章，但是能不能再未來產(chǎn)生實(shí)際作用他，也不知道，只是發(fā)現(xiàn)了別人沒有發(fā)現(xiàn)的，還有就是為了賺取學(xué)校、國家的補(bǔ)貼，而離開了資金支持，就完全活不下去，甚至分文不值。

以上就是最近假期的一些分享，希望給那些打算提升學(xué)歷的產(chǎn)品經(jīng)理敲個(gè)鐘

今天的分享就到這里。

“關(guān)注我，了解第一批空間計(jì)算的產(chǎn)品經(jīng)理做什么”

點(diǎn)擊加入XR空間計(jì)算開發(fā)者、產(chǎn)品經(jīng)理交流群

AI開源項(xiàng)目拆解群，以及每天體驗(yàn)1款A(yù)PP

我創(chuàng)建的產(chǎn)品設(shè)計(jì)打卡社群，加入后365天，每天體驗(yàn)一款A(yù)PP。提升產(chǎn)品設(shè)計(jì)能力，同時(shí)有1300份體驗(yàn)報(bào)告幫助你找到競(jìng)品。

在這里你可以隨時(shí)查詢到你想找的各類競(jìng)品行業(yè)APP以及我收集整理的開源Github項(xiàng)目，馬上得到APP的一手產(chǎn)品優(yōu)化、交互設(shè)計(jì)、功能描述信息。

從優(yōu)化&建議、商業(yè)模式、運(yùn)營、功能描述、交互設(shè)計(jì)、產(chǎn)品定位至少6個(gè)維度，體驗(yàn)一款應(yīng)用。

平均1天1塊錢，掃碼購買即可加入

連續(xù)體驗(yàn)48款應(yīng)用，通過后原路退回

報(bào)名后添加星球助理

PMTalk123