标签
本文提出了一种利用机器学习技术策展心脏科接口术语(CIT)的方法,用于突出显示电子健康记录笔记中的细节。该方法包含三个阶段,包括衍生训练数据并训练ML模型以识别候选概念,在测试数据上实现了高完整性和高覆盖率。
本文是一项面向部署的研究,比较了24种模型变体(参数规模从270M到8B)在金融交易字符串中提取商户信息时的LoRA微调效果。作者发现,像Qwen 3.5 4B这样的小型模型可达到96.6%的F1分数,仅比8B基线低0.35个百分点,同时显著降低了延迟和成本。
介绍了UniQL,这是一个经过人工验证的可执行基准测试,用于跨方言文本到SQL评估,解决了像Spider和BIRD等现有基准测试中缺乏方言多样性的问题。
本文评估了开源权重的大语言模型LLaMA 3.1在从荷兰语脑部MRI报告中自动提取结构化数据方面的表现。该模型在视觉评分方面取得了高性能,并准确检测了发现结果,而少样本提示改进了对数值变量的提取。
UrduMMLU是一个新基准测试,包含来自本土教育材料的26,431道多项选择题,涵盖26个学科,用于评估大语言模型在乌尔都语理解上的表现。对30个大语言模型的评估显示,Gemini-3.5-Flash表现最佳,而开源模型和区域特定学科仍构成重大挑战。
本文提出了一种四条件诊断协议,用于分离长上下文和检索增强语言模型中的无证据可答性、神谕证据可恢复性、全上下文利用以及检索条件利用,并在多个数据集上对五种开源权重模型进行了测试。
本文比较了在竞争性认知诊断模型下估计学习的联合方法与逐步方法,使用了来自阅读游戏的数据。结果表明,方法的选择会改变关于学习者进展的结论,并且在项目-技能结构不确定时,联合分析更为可靠。
推荐《NLP From Zero to Hero》YouTube 播放列表作为学习自然语言处理的结构化课程地图,涵盖从分词到 LSTM 等主题。
介绍GATE(从执行结果中测试后接地)方法,该方法从执行反馈中自举缺失的语义接地,以处理文本到SQL任务中未明确指定的用户短语,持续提升超越强基线。
本文研究了LLM如何依赖形态学线索(词缀)进行药理学推理,表明模型仅基于词缀启发式就能自信地生成虚构药物名称的合理内容,这构成了微妙的安全风险。
提出一种用于流式ASR标点恢复的非自回归评分方法,该方法保留输入转录,并在有限前瞻预算下优于基于提示和微调的基线。
SANE 是一种新颖的模式感知评估范式,专为生物/药理学数据集的自然语言(文本转SQL)查询而设计,能够基于真实实验模式自动生成基准测试。研究表明,采用结构化提示的少样本 LLM 无需微调即可实现准确的 SQL 生成,大多数失败案例源于输入歧义,而非查询生成错误。
本文探讨了整合多模态临床数据(包括治疗记录、病理报告和临床医生笔记)的方法,通过基于规则的提取和机器学习,与单模态方法相比,提高乳腺癌复发预测的准确性。
介绍Padyam2Gadyam数据集,该数据集用于将13至17世纪泰卢固语古典诗歌翻译成现代泰卢固语和英语散文,并评估了五种大语言模型在此任务上的表现。
IdiomX是一个大规模多语言基准数据集,用于习语理解、检索和释义,包含英语、阿拉伯语和法语超过19万个示例,设有四项任务来评估语言模型对习语表达的处理能力。
本文重新审视了温度在大语言模型蒸馏中的作用,揭示出温度不对称地更有利于正向KL散度而非反向KL,使得简单的KL方法在较高温度下能够匹敌当前最先进的蒸馏方法。
本文评估了将法语句法词典Lexicon-Grammar中的数据整合到概率解析器中的效果,通过对动词进行词聚类方法,提高了法语的解析准确率。
本文探讨了当标准为二元时,哪些用于LLM评委验证的一致性统计是冗余的,并提供了一个包含弃权处理在内的正确报告清单。
对AI语音模型中半双工与全双工架构的分析,讨论了重叠、反馈和打断等关键特性,这些特性使语音助手听起来很机械。
CobSeg是一种用于对话主题分割的多分支架构,它建模连贯边界并改进词汇转换检测,在多个基准测试上优于先前的非LLM方法。