巴西圣保罗布坦坦研究所 发布 Ensemble, Multi-Source Dataset (MSD) 数据集, 应用在 生物医学研究、自然语言处理 领域

巴西圣保罗布坦坦研究所 本次发布的数据集 Ensemble, Multi-Source Dataset (MSD), 本研究介绍了一个名为Digital Pathway Curation (DPC)的流程，旨在评估大型语言模型（LLM）在生物医学研究中的可重复性和准确性。为了进行评估，研究人员构建了两个数据集：Ensemble和Multi-Source Dataset (MSD)。Ensemble数据集基于两个omics实验，用于确定通路-疾病关联，包含四个通路组，每组包含数十或数百个通路。MSD数据集包含30个随机选择的通路，用于评估每个通路是否因疾病而发生变化。这两个数据集分别用于评估LLM的可重复性和准确性，并与PubMed搜索结果进行比较。

查看Ensemble, Multi-Source Dataset (MSD)

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。