研究:微调后的开源 LLM 在日语临床 NER 上超越 BERT-CRF
做医疗文本抽取的团队可以看看这篇:同一批开源 LLM 在 iCorpus 上零样本只有 0.337 的 F1,QLoRA 微调加宽 token 上限后直接干到 0.914,反超 BERT-CRF 的 0.841。结论很实用——评估 LLM 抽取任务前先检查输出 token 限制,JSON Schema 约束帮不上忙。
做医疗文本抽取的团队可以看看这篇:同一批开源 LLM 在 iCorpus 上零样本只有 0.337 的 F1,QLoRA 微调加宽 token 上限后直接干到 0.914,反超 BERT-CRF 的 0.841。结论很实用——评估 LLM 抽取任务前先检查输出 token 限制,JSON Schema 约束帮不上忙。