机构名称：
¥ 2.0
基础模型（FMS）从大量未标记的数据中学习，以在各种任务中表现出卓越的性能。然而，用于生物医学结构域的FMS基本上仍然是单峰的，即单独使用蛋白质序列，单独的小分子结构或单独临床数据的独立训练和用于任务。为了克服这一限制，我们提出了一个参数有效的学习框架BioBridge，以桥接经过独立训练的单峰FMS以建立多模态行为。BioBridge通过利用知识图（kg）来学习一个单型FM和另一个单模式之间的变换，而无需微调任何基本的单峰FMS。我们的结果表明，BioBridge可以击败最佳的基线KG嵌入方法（平均约为76。3％）在跨模式检索任务中。我们还确定了Biobridge通过推断出未见的方式或关系来证明跨域的概括能力。此外，我们还表明，Biobridge将自己表现为一种通用检索器，可以帮助生物医学多模式问答，并增强了引导的新型新药。1
BioBridge-Bridging-BioMedical-goundical-Models-via- ...
主要关键词
相关文件推荐
