論文の概要: Retrieve, Generate, Evaluate: A Case Study for Medical Paraphrases Generation with Small Language Models

• arxiv url: http://arxiv.org/abs/2407.16565v1
• Date: Tue, 23 Jul 2024 15:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 16:45:46.271677
• Title: Retrieve, Generate, Evaluate: A Case Study for Medical Paraphrases Generation with Small Language Models
• Title（参考訳）: 検索・生成・評価:小言語モデルを用いた医療用語生成の事例研究
• Authors: Ioana Buhnila, Aman Sinha, Mathieu Constant,
• Abstract要約: SLM(Small Language Models)を用いた検索用拡張生成パイプラインpRAGeと医用パラフレーズ生成の評価について紹介する。 フランスの医療パラフレーズ生成におけるSLMの有効性と外部知識ベースの影響について検討した。
• 参考スコア（独自算出の注目度）: 2.4851820343103035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent surge in the accessibility of large language models (LLMs) to the general population can lead to untrackable use of such models for medical-related recommendations. Language generation via LLMs models has two key problems: firstly, they are prone to hallucination and therefore, for any medical purpose they require scientific and factual grounding; secondly, LLMs pose tremendous challenge to computational resources due to their gigantic model size. In this work, we introduce pRAGe, a pipeline for Retrieval Augmented Generation and evaluation of medical paraphrases generation using Small Language Models (SLM). We study the effectiveness of SLMs and the impact of external knowledge base for medical paraphrase generation in French.
• Abstract（参考訳）: 大規模言語モデル(LLM)の一般人口へのアクセシビリティの近年の上昇は、そのようなモデルを医療関連レコメンデーションとして、追跡不能な利用につながる可能性がある。 LLMモデルによる言語生成には2つの大きな問題がある: 第一に、幻覚を起こす傾向があり、それゆえ、科学的な目的や事実的な根拠を必要とする。 そこで本研究では,Small Language Models (SLM) を用いた検索用拡張生成パイプライン pRAGe と医療用パラフレーズ生成の評価について紹介する。 フランスの医療パラフレーズ生成におけるSLMの有効性と外部知識ベースの影響について検討した。

関連論文リスト

• Development and bilingual evaluation of Japanese medical large language model within reasonably low computational resources [0.0]
  本稿では,近年の7Bモデルに基づく医療適応について述べる。 日本語医学データセットに基づく英語中心ベースモデルの微調整により,両言語のスコアが向上することが判明した。
  論文  参考訳（メタデータ） (2024-09-18T08:07:37Z)
• Can Large Language Models abstract Medical Coded Language? [0.0]
  大規模言語モデル(LLM)は医療コードを認識しており、これらのコードから正確に名前を生成することができる。 本研究は,大規模言語モデル(LLM)が医療コードを認識し,それらのコードから正確に名前を生成することができるかどうかを評価する。
  論文  参考訳（メタデータ） (2024-03-16T06:18:15Z)
• Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• Supervised Knowledge Makes Large Language Models Better In-context Learners [94.89301696512776]
  大規模言語モデル(LLM)は、素早い工学を通して、文脈内学習能力の出現を示す。 自然言語理解と質問応答におけるLLMの一般化性と事実性の向上という課題は、まだ未解決のままである。 本研究では, LLM の信頼性を高める枠組みを提案する。1) 分布外データの一般化,2) 差別モデルによる LLM のメリットの解明,3) 生成タスクにおける幻覚の最小化。
  論文  参考訳（メタデータ） (2023-12-26T07:24:46Z)
• MedMine: Examining Pre-trained Language Models on Medication Mining [7.479160954840647]
  このような課題に対して,現在最先端のプレトレーニング言語モデル (PLM) について検討する。 我々は,n2c2-2018課題の共有タスクデータセットを用いて,それらの利点と欠点を比較した。
  論文  参考訳（メタデータ） (2023-08-07T14:36:03Z)
• Evaluating Large Language Models for Radiology Natural Language Processing [68.98847776913381]
  大規模言語モデル(LLM)の台頭は、自然言語処理(NLP)分野における重要な転換点となっている。 本研究は, 放射線学報告の解釈において, 30 個の LLM を批判的に評価することにより, このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2023-07-25T17:57:18Z)
• Customizing General-Purpose Foundation Models for Medical Report Generation [64.31265734687182]
  ラベル付き医用画像-レポートペアの不足は、ディープニューラルネットワークや大規模ニューラルネットワークの開発において大きな課題となっている。 本稿では,コンピュータビジョンと自然言語処理の基盤モデル (FM) として,市販の汎用大規模事前学習モデルのカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-06-09T03:02:36Z)
• A Survey of Large Language Models [81.06947636926638]
  言語モデリングは、過去20年間、言語理解と生成のために広く研究されてきた。 近年,大規模コーパス上でのトランスフォーマーモデルの事前学習により,事前学習言語モデル (PLM) が提案されている。 パラメータスケールの違いを識別するために、研究コミュニティは大規模言語モデル (LLM) という用語を提唱した。
  論文  参考訳（メタデータ） (2023-03-31T17:28:46Z)
• Shortcut Learning of Large Language Models in Natural Language Understanding [119.45683008451698]
  大規模言語モデル(LLM)は、一連の自然言語理解タスクにおいて最先端のパフォーマンスを達成した。 予測のショートカットとしてデータセットのバイアスやアーティファクトに依存するかも知れません。 これは、その一般化性と敵対的堅牢性に大きな影響を与えている。
  論文  参考訳（メタデータ） (2022-08-25T03:51:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。