- 比賽簡介
- 人工智慧技術蓬勃發展，大型語言模型如ChatGPT在智慧醫療中應用廣泛。然而，使用者及開發人員未必察覺模型互動可能帶來的隱私風險，尤其在訓練階段使用包含真實隱私資訊的數據。同時，全球醫療院所採用電子健康紀錄，但這些文本中可能存在揭露病患身份的隱私資訊，呼籲對於數位轉型下的隱私挑戰保持警覺。

方法1：按照教程進行
● 實現教程中的方法並生成兼容文件（如 opendid_set1.tsv 的格式）以進行模型訓練。
● 訓練並調整模型以獲得最佳性能。

方法1：按照教程進行（續）
● 將驗證數據拆分並以兼容格式（opendid_valid.tsv）組合，並對模型進行實際輸出的推斷。
● 上傳結果並獲取最高分：))))

方法2：實現我們自己的模型訓練架構
● 設計我們自己的數據預處理方法
● 訓練模型
● 上傳結果並獲取最高分：))))

<!-- ## 第一次報告內容所需
1. 競賽的簡要概述
2. 資料觀察和預處理方法
3. 概述您迄今為止的工作和未來的行動計劃。

## 比賽資訊整理

## 模型訓練流程
1. 資料前處理
- 
2. 模型訓練
3. 驗證結果

## 開放問題
1. 是否要標記更多資料
2. 可以使用哪些模型來去做預測
3. 要不要考慮 one-shot few-shot 或者 fine-tuning 訓練模型

## 結論
- 用 google 簡報製作
- 1. [name=苡溱、承恩]
- 2. 3. [name=勝偉、黃浩]
- 把當前的 code 丟上去 github
- 這個週末，想辦法讓 [name=洪翌誠] code 可以 run
- 暫定週五晚上 11.

## 參考資料
- [few shot learning](https://medium.com/ai-academy-taiwan/%E5%B0%8F%E8%B3%87%E6%96%99%E7%B3%BB%E5%88%97%E5%88%9D%E7%AF%87-few-shot-learning%E7%B0%A1%E4%BB%8B-d154c751b723) -->