Modelli Linguistici Leggeri Mostrano Promesse per il Riconoscimento di Entità Nominate in Biomedicina
Un nuovo studio su arXiv esplora l'uso di modelli linguistici di grandi dimensioni (LLM) leggeri per il riconoscimento di entità nominate in biomedicina, affrontando le esigenze computazionali e i vincoli di privacy nel settore sanitario. La ricerca valuta come diversi formati di output influenzino le prestazioni del modello, scoprendo che gli LLM leggeri possono ottenere risultati competitivi rispetto a modelli più grandi. L'istruzione su molti formati distinti non migliora le prestazioni, ma alcuni formati producono costantemente risultati migliori. Lo studio evidenzia il potenziale degli LLM leggeri come alternative efficaci per l'estrazione di informazioni biomediche.
Fatti principali
- Gli LLM leggeri possono raggiungere prestazioni competitive per il riconoscimento di entità nominate in biomedicina.
- L'istruzione su molti formati distinti non migliora le prestazioni.
- Alcuni formati di output sono costantemente associati a prestazioni migliori.
- I modelli linguistici di grandi dimensioni sono computazionalmente impegnativi e richiedono risorse sostanziali per la messa a punto.
- I vincoli di privacy e budget in ambito sanitario motivano la necessità di alternative leggere.
- Lo studio è pubblicato su arXiv sotto Computer Science > Computation and Language.
- La cronologia delle sottomissioni è disponibile su arXiv.
- Il documento è identificato dall'ID arXiv 2604.25920.
Entità
Istituzioni
- arXiv