Datasetpublic

rntc/gliner2-fr-biomed-v3e-trainset

gliner2-fr-biomed-v3e-trainset Données d'entraînement synthétiques (distillation Qwen3-235B) du modèle rntc/gliner2-fr-biomed-v3e — GLiNER2 FR biomédical (primitives génériques + role-binding). Aucun gold de benchmark (préserve la généralisation zero-shot). Format JSONL, une ligne = un exemple : {"input": "<texte>", "output": {"entities": {"<label>": ["<mention>", ...]}, "classifications": {...}, "json_structures": [{"<section>": {"<champ>": "<valeur>"}}], "relations": [...]}}… See the full description on the dataset page: https://huggingface.co/datasets/rntc/gliner2-fr-biomed-v3e-trainset.

sourceHugging Facemitupdated 3mo agoView on Hugging Face

0likes27downloads

Dataset Card

gliner2-fr-biomed-v3e-trainset

Données d'entraînement synthétiques (distillation Qwen3-235B) du modèle `rntc/gliner2-fr-biomed-v3e` — GLiNER2 FR biomédical (primitives génériques + role-binding). Aucun gold de benchmark (préserve la généralisation zero-shot).

Format JSONL, une ligne = un exemple :

json

{"input": "<texte>", "output": {"entities": {"<label>": ["<mention>", ...]},
  "classifications": {...}, "json_structures": [{"<section>": {"<champ>": "<valeur>"}}], "relations": [...]}}

—entities : NER multi-type open-vocab. classifications : tâches de classif (dont chapitre CIM-10). json_structures : extraction structurée par section (champs reliés). relations : relations groundées.
—Entraînement : GLiNER2/v3/train_v3c.py --backbone medembed-v9 --train train.jsonl --val val.jsonl (voir repo de code github.com/Rian-T/french-medgliner).

train.jsonl + val.jsonl. MIT, recherche.