## 要約：
臨床心臓病テキスト表現に適応された10種類の Transformer 基礎モデルを評価し、エンコーダー専用アーキテクチャがより優れた性能を示した。
---
## 翻訳：
ドメイン特定のテキスト埋め込みは臨床自然言語処理において重要ですが、モデル構造間での系統的な比較は制限されています。本研究では、106,535 の心臓病テキストペアを使用して 10 種類の Transformer 基礎モデルを Low-Rank Adaptation (LoRA) 微調整によって適応させ評価しました。結果は、エンコーダー専用アーキテクチャが特に BioLinkBERT が優れたドメイン特定性能を示した一方で、より大きなデコード基準モデルよりも計算リソースが必要量が大幅に少ないことを明らかにしています。これらの見解は、より大きな言語モデルが必ずしもより良いドメイン特定埋め込みを生成することを示さないことを示し、臨床 NLP システム開発の実用的な指針を提供しています。全モデル、トレーニングコード、評価データセットは公に公開されており、医学情報学における再現性研究をサポートします。
[📰 原文はこちら](https://arxiv.org/abs/2511.19739)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
