एक अध्ययन में बायोमेडिकल डेटा-टू-टेक्सट जनरेशन के लिए Qwen-आधारित छोटे भाषा मॉडल पर सपर्वाइज्ड फाइन-ट्यूनिंग (SFT), डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO), ऑड्स रेशियो प्रेफरेंस ऑप्टिमाइज़ेशन (ORPO) और ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) सहित पोस्ट-ट्रेनिंग विधियों की तुलना की गई है।
- दवा पैकेज पत्रक जनरेट करने में अलाइन किए गए SLM, GPT-5 जैसे प्रोप्राइटरी मॉडल से बेहतर प्रदर्शन करते हैं।
- इस विशिष्ट कार्य में ORPO, SFT बेसलाइन्स को हराता है।
- GRPO परीक्षण किए गए अलाइनमेंट विधियों और GPT-5 दोनों के बीच सबसे मजबूत क्रॉस-डेटासेट प्रदर्शन देता है।
निष्कर्ष सुझाते हैं कि विशेष बायोमेडिकल अनुवाद कार्यों के लिए सावधानीपूर्वक अलाइन किए गए छोटे भाषा मॉडल, बड़े प्रोप्राइटरी विकल्पों की तुलना में श्रेष्ठ परिणाम प्राप्त कर सकते हैं।