Read List - Read

Three stars

• [BELB Read Deep](/en/original-notes/papers/CNBEN/BELB/BELB Read Deep): 英文版本BEL(Biomedical Entity linking)的常用benchmark, 用来学习如何设计benchmark
• [CBLUE Abstract Summary](/en/original-notes/papers/CNBEN/CBLUE/CBLUE Abstract Summary): datasets, 中文医学词汇数据集
• [Qwen3 Read Deep](/en/original-notes/papers/CNBEN/Qwen3/Qwen3 Read Deep): 强baseline通用模型， 分析现阶段的错误以及设计benchmark
• [BioELX Read Deep](/en/original-notes/papers/CNBEN/BioELX/BioELX Read Deep): 2026年arxiv版本，从Abstract看也是一个Cross-lingual BEL 强模型，整体的模型训练和设计可以参考。 但是由于还没publish, 可能没有办法作为baseline

Two stars

• CoRTEx: 利用LLM生成医学解释进行data augmentation, 作为研究分析效果提升的一个组件
• [BGE-M3 Read Deep](/en/original-notes/papers/CNBEN/BGE-M3/BGE-M3 Read Deep): 较为通用的M3-Embedding模型，可作为baseline
• [SapBERT](/en/original-notes/papers/CNBEN/SapBERT 1/SapBERT): 经典的Biomedical entity linking模型，用于学习经典的训练方法和基座模型， 可考虑作为baseline
• [BeLink Read Deep](/en/original-notes/papers/CNBEN/BeLink/BeLink Read Deep): 前沿BEL模型设计， 使用generative LLM rerank方法。 用于学习前沿BEL模型。

One stars

• : 中文Biomedical Entity Normalization模型，但是训练方法比较过时，可以用作学习中文数据训练的问题和技巧，但是不作为重点学习
• [经典rerank Read Deep](/en/original-notes/papers/CNBEN/BERT-based Ranking/经典rerank Read Deep): 2019的论文，早期在Biomedical entity normalization中使用rerank的论文，但是和现在的前沿rerank方法区别较大。