論文の概要: Overview of TREC 2025 Biomedical Generative Retrieval (BioGen) Track

• arxiv url: http://arxiv.org/abs/2603.21582v1
• Date: Mon, 23 Mar 2026 05:10:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.498171
• Title: Overview of TREC 2025 Biomedical Generative Retrieval (BioGen) Track
• Title（参考訳）: TREC 2025 Biomedical Generative Retrieval (BioGen) の概要
• Authors: Deepak Gupta, Dina Demner-Fushman, William Hersh, Steven Bedrick, Kirk Roberts,
• Abstract要約: 大規模言語モデル(LLM)の最近の進歩は、複数のバイオメディカルタスクで大きく進歩している。 これらのモデルは、複雑なバイオメディカル情報の処理と合成において強力な能力を示している。 これらの進歩にもかかわらず、LLMをバイオメディカルで使用する場合、幻覚や折り畳みは依然として重要な課題である。
• 参考スコア（独自算出の注目度）: 12.380459437905833
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in large language models (LLMs) have made significant progress across multiple biomedical tasks, including biomedical question answering, lay-language summarization of the biomedical literature, and clinical note summarization. These models have demonstrated strong capabilities in processing and synthesizing complex biomedical information and in generating fluent, human-like responses. Despite these advancements, hallucinations or confabulations remain key challenges when using LLMs in biomedical and other high-stakes domains. Inaccuracies may be particularly harmful in high-risk situations, such as medical question answering, making clinical decisions, or appraising biomedical research. Studies on the evaluation of the LLMs' abilities to ground generated statements in verifiable sources have shown that models perform significantly
• Abstract（参考訳）: 近年の大規模言語モデル (LLM) の進歩は, バイオメディカル質問応答, バイオメディカル文献の日常的な要約, 臨床ノート要約など, 複数のバイオメディカルタスクに大きく進展している。 これらのモデルは、複雑なバイオメディカル情報を処理し、合成し、流動的で人間らしい応答を生成する強力な能力を示した。 これらの進歩にもかかわらず、バイオメディカルや他のハイテイクドメインでLLMを使用する場合、幻覚や折り畳みは依然として重要な課題である。 不正確性は、医学的質問への回答、臨床的な決定、医学的な研究の評価など、リスクの高い状況において特に有害である可能性がある。 検証可能な情報源における地盤生成文に対するLLMの能力評価に関する研究により,モデルの性能が著しく向上することが確認された。

関連論文リスト

• Biomedical Foundation Model: A Survey [84.26268124754792]
  ファンデーションモデルは、広範なラベルなしデータセットから学習する大規模な事前訓練モデルである。 これらのモデルは、質問応答や視覚的理解といった様々な応用に適応することができる。 本研究は,生物医学分野における基礎モデルの可能性を探るものである。
  論文  参考訳（メタデータ） (2025-03-03T22:42:00Z)
• Large Language Models for Bioinformatics [58.892165394487414]
  本調査はバイオインフォマティクス特化言語モデル(BioLM)の進化,分類,特徴の識別に焦点をあてる。 疾患診断, 薬物発見, ワクチン開発などの重要な分野において, バイオフィルムの幅広い応用について検討する。 データプライバシやセキュリティ上の問題,解釈可能性の問題,トレーニングデータやモデル出力のバイアス,ドメイン適応複雑性など,BioLMに固有の重要な課題や制限を特定します。
  論文  参考訳（メタデータ） (2025-01-10T01:43:05Z)
• Overview of TREC 2024 Biomedical Generative Retrieval (BioGen) Track [18.3893773380282]
  幻覚や折り畳みは、生物医学領域で大きな言語モデル(LLM)を使用する際の重要な課題の1つである。 不正確性は、医学的質問への回答、臨床的な決定、医学的な研究の評価など、リスクの高い状況において特に有害である可能性がある。
  論文  参考訳（メタデータ） (2024-11-27T05:43:00Z)
• A Survey for Large Language Models in Biomedicine [31.719451674137844]
  このレビューは、PubMed、Web of Science、arXivなどのデータベースから得られた484の出版物の分析に基づいている。 我々は、診断支援、薬物発見、パーソナライズドメディカル医療を含む幅広いバイオメディカル・タスクにおいて、ゼロショット学習におけるLLMの能力について検討する。 データプライバシの懸念、限定されたモデル解釈可能性、データセットの品質の問題、倫理など、LLMがバイオメディシック領域で直面する課題について論じる。
  論文  参考訳（メタデータ） (2024-08-29T12:39:16Z)
• An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
  本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。 これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。 以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-21T11:27:31Z)
• Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
  我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。 バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。 計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
  論文  参考訳（メタデータ） (2023-12-21T14:26:57Z)
• Opportunities and Challenges for ChatGPT and Large Language Models in Biomedicine and Health [22.858424132819795]
  チャットGPTは、バイオメディシンと健康の分野における多様な応用の出現につながっている。 生体情報検索,質問応答,医用テキスト要約,医学教育の分野について検討する。 テキスト生成タスクの分野では,従来の最先端手法を超越した大きな進歩が見られた。
  論文  参考訳（メタデータ） (2023-06-15T20:19:08Z)
• BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
  汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。 本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
  論文  参考訳（メタデータ） (2023-05-26T17:14:43Z)
• Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
  ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。 提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
  論文  参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。