语料库相关 AI 资讯 · AI 热点

6月22日

19:54

19:54

Geek@geekbb

该项目将基金经理郑希过去十几年的季报、手记、采访等资料整理为结构化语料库。基于该语料库构建的AI技能可进行可溯源的投研问答与基金分析，避免模型幻觉。已开源在GitHub（lyra81604/zhen…），支持用户直接使用。

技巧郑希基金经理语料库 AI技能基金分析

推荐理由：有人把郑希十几年的所有公开资料整理成了结构化语料，让AI能基于真实文本做投研问答，不是瞎编的，想搞基金分析的可以看看。

5月28日

11:54

11:54

官方一手arXiv: DeepSeek@Ifeoluwa Kunle-John, Josiah Paul, Oluwatosin Agbaakin, Peter Aina, Ikenna Odezuligbo, Sydney Anuyah

因果抽取是生物医学文本挖掘的核心任务，但现有资源常混淆因果与关联、局限于句子级标注或仅关注显式因果线索。PubMedCausal 是一个基于 PubMed 摘要构建的跨度级标注语料库，包含 3 万段落级样本、3945 条因果行和 6491 个因果对，标注了完整因果跨度、类型及句子属性。基准测试显示，生物医学编码器 PubMedBERT 在因果检测上 F1 达 0.7391，而 DeepSeek-R1-32B 在跨度级抽取上 F1 为 0.6765。该语料库支持跨数据集评估，并揭示了类别不平衡、长因果跨度、隐式因果等挑战。

论文因果抽取生物医学语料库 PubMed 跨度级标注

推荐理由：做生物医学文本挖掘或因果推理的团队终于有了一个高质量、细粒度的标注资源，可以直接用来训练和评估模型，建议点开看看数据细节。