Resumen: Presentamos NDAI-Neuromap, el primer modelo de incrustación de vector denso específico para el dominio de neurociencia diseñado para tareas de recuperación de información de alta precisión. Nuestra metodología abarca la curación de un extenso corpus de capacitación específico de dominio que comprende 500,000 trillizos cuidadosamente construidos (configuraciones negativas positivas para la consulta), aumentadas con 250,000 entradas definitionales específicas de neurociencia y 250,000 tripletes de gráfico estructurados derivados de las ontologías neurológicas autoritativas. Empleamos un enfoque sofisticado de ajuste fino que utiliza el modelo de la Fundación FremyCompany/Biolord-2023, implementando un marco de optimización de objetivos múltiples que combina el aprendizaje contrastante con paradigmas de aprendizaje métrico basados en triplete. La evaluación exhaustiva en un conjunto de datos de pruebas sostenidas que comprende aproximadamente 24,000 consultas específicas de neurociencia demuestra mejoras sustanciales de rendimiento sobre los modelos de incrustación biomédica de uso general y de forma general. Estos hallazgos empíricos subrayan la importancia crítica de las arquitecturas de incrustación específicas del dominio para los sistemas de RAG orientados a la neurociencia y las aplicaciones relacionadas de procesamiento clínico de lenguaje natural.
Publicado Originalme en export.arxiv.org El 7 de julio de 2025.
Ver Fuente Original
