MedAdapter: चिकित्सा तर्कशास्त्र की ओर बड़े भाषा मॉडल का कुशल परीक्षण समय अनुकूलन

उत्पादन और तर्क में उनकी सुधारित क्षमताओं के बावजूद, बड़े भाषा मॉडलों (LLMs) को जैव चिकित्सा क्षेत्र में अनुकूलित करना उनके विशाल आकार और कॉर्पोरेट गोपनीयता के कारण चुनौतीपूर्ण बना हुआ है। इस कार्य में, हम MedAdapter का प्रस्ताव रखते हैं, जो जैव चिकित्सा अनुप्रयोगों की ओर LLMs के परीक्षण समय अनुकूलन के लिए एक एकीकृत पोस्ट-होक एडेप्टर है। संपूर्ण LLM को ठीक से ट्यून करने के बजाय, MedAdapter मूल मॉडल को केवल एक छोटे BERT-आकार के एडेप्टर को ठीक से ट्यून करके प्रभावी रूप से अनुकूलित करता है ताकि LLMs द्वारा उत्पन्न候候候 समाधानों को रैंक किया जा सके। प्रयोगों से यह प्रतीत होता है कि MedAdapter जैव चिकित्सा तर्क में सफेद-बॉक्स और काले-बॉक्स दोनों LLMs को प्रभावी रूप से अनुकूलित करता है, औसत प्रदर्शन सुधार 25.48% और 11.31% क्रमशः प्राप्त करता है, बिना व्यापक संगणना संसाधनों की आवश्यकता के या तीसरे पक्ष के साथ डेटा साझा किए। MedAdapter ट्रेन-टाइम अनुकूलन के साथ मिलाकर भी बेहतर प्रदर्शन देता है, जो मौजूदा अनुकूलन विधियों के लिए एक लचीला और पूरक समाधान को उजागर करता है। मॉडल प्रदर्शन, संगणना संसाधनों और डेटा गोपनीयता के संतुलन की चुनौतियों का सामना करते हुए, MedAdapter LLMs को जैव चिकित्सा क्षेत्र में अनुकूलित करने के लिए एक कुशल, गोपनीयता-संरक्षित, लागत-प्रभावी, और पारदर्शी समाधान प्रदान करता है।