التحليلات التنبؤية للرعاية الصحية الإيدز صنع القرار الطبي، تنبؤ التشخيص وتحليل مراجعة المخدرات. لذلك، دقة التنبؤ هي معايير مهمة تستلزم أيضا نماذج لغة تنبؤية قوية. ومع ذلك، فقد أثبتت النماذج باستخدام التعلم العميق عرضة للخطر تجاه حالات الإدخال المضطرب
ة بشكل غير ضئيل والتي من المحتمل أن تكون مؤلفة من قبل البشر. شهدت الجهود الأخيرة لتوليد الخصوم باستخدام المرادفات القائمة على القواعد ومصدرها في مجال عام، ولكن الأدب الطبي الطبيعي المتزايد يشكل تحديات فريدة من نوعها. نقترح BBAEG (جيلات مثالية مقراوعة من المخدرات الطبية Biomedical)، خوارزمية هجومية من الصندوق الأسود لتصنيف النص الطبي الطبيعي، حيث تستفيد من نقاط القوة من استبدال مرادف خاص بالمجال للكيانات المسماة الطبية الحيوية وتوقعات Bert-MLM، والتباين الإملائي واستبدال الأرقام. من خلال التقييم التلقائي والإنساني على مجموعة بيانات، نوضح أن BBAEG تؤدي هجوما أقوى بطلاقة بلغة أفضل، والتماسك الدلالي مقارنة بالعمل السابق.
نقدم خوارزمية تدريبية مستهدفة بسيطة ولكنها فعالة (TAT) لتحسين التدريب الخصم لفهم اللغة الطبيعية.الفكرة الرئيسية هي أن تخطئ الأخطاء الحالية وتحديد أولويات التدريب على الخطوات إلى حيث يخطئ النموذج أكثر.تظهر التجارب أن TAT يمكن أن تحسن بشكل كبير الدقة ع
لى التدريب الخصم القياسي على الغراء وتحقيق نتائج جديدة من أحدث النتائج في XNLI.سيتم إصدار شفرة لدينا عند قبول الورقة.
