本研究探讨了大型语言模型在补充生物医学知识图谱中的潜力，并通过改进的学习阶段获得高保真度的生物医学概念和句子表示。与以往技术相比，在多个任务上性能显著提升。发布了多语言模型，为临床流程和生物信息学研究提供宝贵工具。希望BioLORD-2023成为未来生物医学应用的宝贵工具。

本研究探讨了大型语言模型在补充生物医学知识图谱中的潜力，并通过改进的学习阶段获得高保真度的生物医学概念和句子表示。性能在多个任务上有显著提升，发布了多语言模型为临床流程和生物信息学研究提供宝贵工具。希望BioLORD-2023成为未来生物医学应用的宝贵工具。

本研究探讨了大型语言模型在补充生物医学知识图谱中的潜力，并通过改进的对比学习、自蒸馏和权重平均化阶段获得高保真度的生物医学概念和句子表示。与以往技术相比，在多个任务上性能显著提升。发布了与多种语言兼容的多语言模型，为临床流程和生物信息学研究人员提供了宝贵工具。希望BioLORD-2023成为未来生物医学应用的宝贵工具。

本研究探讨了大型语言模型在补充生物医学知识图谱中的潜力，并通过改进的对比学习、自蒸馏和权重平均化阶段获得了高保真度的生物医学概念和句子表示。在多个任务上，性能显著提升，还发布了多种语言兼容的多语言模型。BioLORD-2023成为未来生物医学应用的宝贵工具，可在临床流程中受益，并为全球生物信息学研究人员提供帮助。