UNA NUEVA PERSPECTIVA

LATIDIA

Preparando tu experiencia…

Tu lugar en este universo.

Con tu autorización. Las coordenadas se muestran sólo en esta página y no se guardan.

CONECTANDO FUENTES
← Actualidad

LATIDIA · Investigación

Reconocimiento de entidades nombradas clínicas japonesas de grano fino: una comparación controlada de BERT y los grandes modelos lingüísticos de código abierto

arXiv:2611.22219v1 Tipo de anuncio: nuevo Resumen: Antecedentes: Los grandes modelos de lenguaje generativos (LLM) ofrecen una alternativa al reconocimiento de entidades nombradas clínicas (NER) basado en codificadores, pero su rendimiento en el japonés detallado

WhatsApp ↗Telegram ↗
Ilustración editorial relacionada con Reconocimiento de entidades nombradas clínicas japonesas de grano fino: una comparación controlada de BERT y los grandes modelos lingüísticos de código abierto
Ilustración conceptual de LATIDIA.

La noticia

arXiv:2611.22219v1 Announce Type: new Abstract: Background: Generative large language models (LLMs) offer an alternative to encoder-based clinical named entity recognition (NER), but their performance on fine-grained Japanese extraction tasks and sensitivity to generation settings remain uncertain. Methods: We compared two fine-tuned BERT-CRF baselines with nine open-weight LLMs on iCorpus, which defines 113 entity categories. The evaluation used 433 sentences from 36 test documents; 1,672 sentences were used for training. LLMs were evaluated using zero-shot prompting with and without JSON Schema constraints and three-seed QLoRA fine-tuning. Fine-tuned models were assessed under different output-token limits, including 900 and larger model-specific limits of 2,600 or 4,096 tokens. Performance was measured using sentence-level label-surface

← Volver a los modelos

Cargando ficha del modelo…

LATIDIA / lectura con contexto