bioasq challenge | BriefGPT

关键词bioasq challenge

搜索结果 - 7

大型语言模型与查询工程在生物医学多文档摘要中的应用
使用提示工程和 GPT-3.5 进行生物医学问题聚焦多文档摘要，我们的系统在 2023BioASQ 挑战中通过 GPT-3.5 和适当的提示获得了最佳的 ROUGE-F1 结果。这篇论文证实了在其他领域观察到的事实：纳入少样本的提示通常优于
PDF8 months ago
2023 年 BioASQ 概述：大规模生物医学语义索引和问题回答的第十一届 BioASQ 挑战赛
本文概述了 BioASQ 挑战赛的第十一届比赛，并介绍了挑战赛的主要任务和研究领域，包括生物医学语义索引和问题回答，以及医学实践中关键的临床内容和医疗程序的语义标注。本届比赛总共收到了来自 28 支竞争队伍提交的 150 多个系统的结果，大
PDFa year ago
BioASQ 2022 概述：大规模生物医学语义索引和问题回答的第十届 BioASQ 挑战赛
本文概述了第十届 BioASQ 挑战赛，并介绍了其中的三个任务和一个名为 DisTEMIST 的新任务。在此次挑战中，来自 38 个团队的超过 170 个系统参与，大多数系统表现出色，说明在生物医学语义索引和问答领域的技术不断发展。
PDF2 years ago
BioASQ 挑战赛第七版的结果
本文介绍了 BioASQ 挑战赛第七版的结果，该挑战赛致力于通过组织大规模生物医学语义索引和问答任务的挑战来促进系统和方法学的发展。今年有 30 个团队，100 多个系统参加了挑战，最好的系统能够超过强基准线，进一步推动了现有研究前沿。
PDF4 years ago
KDD查询式多文档摘要技术中分类优于回归：麦格理大学在 BioASQ7b 中的应用
Macquarie 大学为 2019BioASQ 挑战赛的任务 B 阶段 B，提出了一个面向生物医学问题回答的查询文本多文档摘要技术，探索了基于深度学习架构和简单的策略梯度架构的回归方法，还实验了使用和不使用强化学习的分类方法，此外，还通过
PDF5 years ago
EMNLP麦格理大学在 BioASQ 6b 上的表现：基于深度学习和深度强化学习的基于查询的多文档摘要
本文介绍了澳大利亚麦考瑞大学在 BioASQ 6b，B 阶段中的贡献，探讨了多文档摘要中的深度学习和强化学习方法。最佳结果使用了一个基于深度学习模型的回归框架，该模型使用了基于 LSTM 链输出的特征以及与查询的相似度和句子位置有关的特征。
PDF6 years ago
BioASQ 5B 上的神经问答
本文描述了我们在 2017 年 BioASQ 挑战赛中的参与，并重点关注生物医学问题回答技术。我们使用了一种抽取式 QA 模型，使用生物医学词向量来扩展 FastQA，并将其应用于提取输入文本片段的子字符串输出。我们将模型在大规模开放域 Q
PDF7 years ago