TableLLM是一个强大的语言模型，用于处理表格数据操作任务。它通过远程监督方法进行训练，并具有优势。已公开发布模型检查点、源代码、基准测试和网络应用程序。

本研究使用IntAct PPI数据库创建了一个远程监督的数据集，利用PPI-BioBERT-x10训练集成的BioBERT模型预测蛋白质对之间的PTMs，并提出了置信度校准的方法进行过滤和人工筛选。通过利用多篇文章进行预测，提高了预测的精度和可靠性。研究探讨了深度学习方法在文本挖掘中的应用和局限性，并强调了在人工筛选过程中置信度校准的重要性。

该研究使用IntAct PPI数据库创建了一个远程监督的数据集，使用PPI-BioBERT-x10训练集成的BioBERT模型来预测蛋白质对之间的PTMs，并提出了置信度校准的方法。通过使用多篇文章进行预测，提高了预测的精度和可靠性。研究探讨了深度学习方法在文本挖掘中的应用和局限性，并强调了在人工筛选过程中置信度校准的重要性。

本文介绍了$k$最近邻增强的关系提取方法$k$NN-RE，通过最近邻搜索训练关系，解决语言复杂性和数据稀疏性问题，简单而有效。实验证明$k$NN-RE是利用远程监督数据进行关系提取的有效方法，在多个数据集上取得最高性能，优于其他模型。