Buchumschlag

Med-gte-hybrid: A contextual embedding transformer model for extracting actionable information from clinical texts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Aditya, Rauch, Simon, Cypko, Mario, Amft, Oliver
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning temporal embeddings from electronic health records of chronic kidney disease patients
von: Kumar, Aditya, et al.
Veröffentlicht: (2026)

Temporal Fusion Nexus: A task-agnostic multi-modal embedding model for clinical narratives and irregular time series in post-kidney transplant care
von: Kumar, Aditya, et al.
Veröffentlicht: (2026)

Benchmarking pre-trained text embedding models in aligning built asset information
von: Shahinmoghadam, Mehrzad, et al.
Veröffentlicht: (2024)

Generalist embedding models are better at short-context clinical semantic search than specialized embedding models
von: Excoffier, Jean-Baptiste, et al.
Veröffentlicht: (2024)

Multilingual transformer and BERTopic for short text topic modeling: The case of Serbian
von: Medvecki, Darija, et al.
Veröffentlicht: (2024)

Abusive text transformation using LLMs
von: Chandra, Rohitash, et al.
Veröffentlicht: (2025)

Failure of contextual invariance in large language models
von: Kumar, Sagar, et al.
Veröffentlicht: (2026)

Exploiting contextual information to improve stance detection in informal political discourse with LLMs
von: Sucu, Arman Engin, et al.
Veröffentlicht: (2026)

MedReadCtrl: Personalizing medical text generation with readability-controlled instruction learning
von: Tran, Hieu, et al.
Veröffentlicht: (2025)

A comparative study of transformer-based embeddings for topic coherence
von: Ding, Alex, et al.
Veröffentlicht: (2026)

Improving the quality of Persian clinical text with a novel spelling correction system
von: Dashti, Seyed Mohammad Sadegh, et al.
Veröffentlicht: (2024)

Comparative analysis of privacy-preserving open-source LLMs regarding extraction of diagnostic information from clinical CMR imaging reports
von: Amirrajab, Sina, et al.
Veröffentlicht: (2025)

Noise reduction in BERT NER models for clinical entity extraction
von: Jiwani, Kuldeep, et al.
Veröffentlicht: (2026)

Causality extraction from medical text using Large Language Models (LLMs)
von: Gopalakrishnan, Seethalakshmi, et al.
Veröffentlicht: (2024)

RealMedQA: A pilot biomedical question answering dataset containing realistic clinical questions
von: Kell, Gregory, et al.
Veröffentlicht: (2024)

Taec: a Manually annotated text dataset for trait and phenotype extraction and entity linking in wheat breeding literature
von: Nédellec, Claire, et al.
Veröffentlicht: (2024)

Large language models struggle with ethnographic text annotation
von: Goodall, Leonardo S., et al.
Veröffentlicht: (2026)

Recent advances in text embedding: A Comprehensive Review of Top-Performing Methods on the MTEB Benchmark
von: Cao, Hongliu
Veröffentlicht: (2024)

MedHalu: Hallucinations in Responses to Healthcare Queries by Large Language Models
von: Agarwal, Vibhor, et al.
Veröffentlicht: (2024)

ARC-Encoder: learning compressed text representations for large language models
von: Pilchen, Hippolyte, et al.
Veröffentlicht: (2025)

Vocabulary embeddings organize linguistic structure early in language model training
von: Papadimitriou, Isabel, et al.
Veröffentlicht: (2025)

Med-RLVR: Emerging Medical Reasoning from a 3B base model via reinforcement Learning
von: Zhang, Sheng, et al.
Veröffentlicht: (2025)

MedCalc-Eval and MedCalc-Env: Advancing Medical Calculation Capabilities of Large Language Models
von: Mao, Kangkun, et al.
Veröffentlicht: (2025)

MedMax: Mixed-Modal Instruction Tuning for Training Biomedical Assistants
von: Bansal, Hritik, et al.
Veröffentlicht: (2024)

What's in an embedding? Would a rose by any embedding smell as sweet?
von: Venkatasubramanian, Venkat
Veröffentlicht: (2024)

A Path Towards Legal Autonomy: An interoperable and explainable approach to extracting, transforming, loading and computing legal information using large language models, expert systems and Bayesian networks
von: Constant, Axel, et al.
Veröffentlicht: (2024)

MAGPIE: A dataset for Multi-AGent contextual PrIvacy Evaluation
von: Juneja, Gurusha, et al.
Veröffentlicht: (2025)

Infinite Problem Generator: Verifiably Scaling Physics Reasoning Data with Agentic Workflows
von: Sharan, Aditya, et al.
Veröffentlicht: (2026)

The Russian-focused embedders' exploration: ruMTEB benchmark and Russian embedding model design
von: Snegirev, Artem, et al.
Veröffentlicht: (2024)

A thorough benchmark of automatic text classification: From traditional approaches to large language models
von: Cunha, Washington, et al.
Veröffentlicht: (2025)

From communities to interpretable network and word embedding: an unified approach
von: Prouteau, Thibault, et al.
Veröffentlicht: (2024)

Infusing clinical knowledge into tokenisers for language models
von: Hasan, Abul, et al.
Veröffentlicht: (2024)

Can reasoning models comprehend mathematical problems in Chinese ancient texts? An empirical study based on data from Suanjing Shishu
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Scaling laws for language encoding models in fMRI
von: Antonello, Richard, et al.
Veröffentlicht: (2023)

MedConclusion: A Benchmark for Biomedical Conclusion Generation from Structured Abstracts
von: Li, Weiyue, et al.
Veröffentlicht: (2026)

Clinical ModernBERT: An efficient and long context encoder for biomedical text
von: Lee, Simon A., et al.
Veröffentlicht: (2025)

MedHELM: Holistic Evaluation of Large Language Models for Medical Tasks
von: Bedi, Suhana, et al.
Veröffentlicht: (2025)

Benchmark of stylistic variation in LLM-generated texts
von: Milička, Jiří, et al.
Veröffentlicht: (2025)

Are generative AI text annotations systematically biased?
von: Stolwijk, Sjoerd B., et al.
Veröffentlicht: (2025)

PAGE: Prompt Augmentation for text Generation Enhancement
von: Pacchiotti, Mauro Jose, et al.
Veröffentlicht: (2025)