少量示例

LLaMA3

以 LLaMA3 骨幹比較零樣本、少量示例與 LoRA 微調於細粒度醫療實體識別的效能

面對醫療紀錄中大量非結構化文字，細粒度醫療實體識別（MER）對臨床決策與研究至關重要。這項研究以開源LLaMA3作為統一骨幹，比較零樣本、少量示例與採用LoRA的參數高效微調策略，並引入以BioBERT嵌入做句級與字級相似度的示例選取方法以強化少量學習。