求推荐医疗领域拆分长问句为短句的预训练NLP模型

针对你需要的医疗健康领域长问题拆分需求，推荐几个精准适配的预训练模型：

• BioBERT：专门针对生物医学文本做预训练，对HIV/AIDS、CLL/SLL这类医疗术语的并列关系识别精度极高，完全适配你示例里的拆分场景。你可以用自己的示例数据集对它做微调，让模型学习这类拆分规则。
• ClinicalBERT：聚焦临床文本场景，训练数据涵盖大量电子病历内容，对临床问题的结构和术语逻辑把握更精准，微调后能很好复现你给出的拆分效果。
• MedBERT：如果涉及中文医疗场景，它的中文版本对国内医疗术语适配性更强；你的示例是英文，它的英文版本也能轻松应对医疗术语的拆分逻辑。

另外，你之前用sentence transformers、复述方法没效果，是因为这类任务本质是结构化问题拆分+医疗术语解析，不是语义相似度匹配或语句复述。正确的思路是：

1. 整理现有示例，扩充同类型的医疗问题拆分数据集，明确标注拆分规则（比如并列术语替换、逻辑分支拆分）
2. 用上述医疗预训练模型做下游任务微调，以长问题为输入，拆分后的短问题列表为输出，采用seq2seq的训练方式。

内容的提问来源于stack exchange，提问作者user3814946