研究利用大模型增强学术论文知识实体关系抽取

1. 13:00
   arXiv 自然语言处理

   利用大语言模型增强学术论文摘要与全文知识实体关系抽取

   经 LoRA 微调的 T5 模型在学术论文知识实体关系抽取任务中表现最优，在摘要和全文数据集上分别取得 0.7408 和 0.7013 的最高 macro F1 分数。该研究评估了闭源 LLM 的 CoT 提示词及 LLM 增强小模型（SLM）等策略，发现 SLM 能从 LLM 生成的实体描述中获益。错误分析进一步表明，融合不同错误模式的策略可进一步提升抽取性能。

Current heat 7·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.