标签
OntoBook利用大型语言模型将医学本体图转换为合成教科书文本，然后使用生成的130万本法语教科书对ModernCamemBERT进行预训练，在医学编码基准测试上取得了显著提升。
DataFlow是一个开源工具，提供可视化、低代码的管道，用于从原始数据生成、清洗和准备高质量的LLM训练数据集。它包含一篇arXiv上的技术报告。