领域专用语言模型预测临床试验结果优于HINT
热点事件观察中
领域专用语言模型预测临床试验结果优于HINT
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Burak Bakkar 等作者提交论文，用 BioBERT（108M 参数）和 BioMistral（7B 参数）在 TOP 基准（12,477 项试验）上做分期结果预测，把每项试验表示为十个字段拼接的文本。作者报告四种语言模型变体的 ROC-AUC 为 0.613–0.772、PR-AUC 为 0.649–0.901，均超过已发表的 HINT 结果，PR-AUC 相对提升 10–20%。上述比较基于作者自述的评测结果。
AI 根据报道生成 · 43 分钟前更新
最新进展11月2日 13:00
用领域专用大语言模型推进临床试验结果预测报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AI用领域专用大语言模型推进临床试验结果预测
BioBERT（108M 参数）与 BioMistral（7B 参数）在 TOP 基准（12,477 项试验）上做分期结果预测，四种语言模型变体的 ROC-AUC（0.613–0.772）和 PR-AUC（0.649–0.901）均超过已发表的 HINT 结果，PR-AUC 相对提升 10–20%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。