BriefGPT - AI 论文速递
·
TAC-2023 PLABA 赛道的 BeeManc: 探索 LLMs 和可控属性以提高生物医学文本可读性
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本论文介绍了参与PLABA2023任务的生物医学摘要简化模型和方法。该模型在官方自动评估中排名第2，在人工评估中句子简洁度和术语简洁度方面排名第2和第3。团队在第二轮提交中使用ChatGPT-prompting在多个类别中排名第2。
🎯
关键要点
- 本论文介绍了参与PLABA2023任务的生物医学摘要简化模型和方法。
- 提交的系统输出来自三个类别：领域微调的T5-like模型、经过微调的BARTLarge模型和ChatGPT-prompting。
- 在官方自动评估中，模型BeeManc排名第2，LaySciFive排名第3。
- 在官方人工评估中，BART-w-CTs在句子简洁度方面排名第2，术语简洁度方面排名第3。
- 在第二轮提交中，使用ChatGPT-prompting在多个类别中排名第2。
- 系统开发阶段的代码、微调模型、提示和数据划分将可在指定网址找到。
🏷️
标签
➡️
