arXiv cs.AI· Giacomo Magnifico, Eduard Barbu·· 1 天前AI 评分24
ReX-GG：面向关系抽取与图谱生成的 LLM 集成流水线
ReX-GG: a LLM Ensemble Pipeline for Relation-extraction and Graph Generation
AI 导读
ReX-GG 是一个可定制的轻量级 LLM 协同集成流水线，通过 JSON 结构化输出与匿名同行评审排序来抑制模型幻觉和单点故障。该流水线在英文科普文章的关系抽取任务上演示，覆盖强因果、弱因果、对比和组合四类本体关系，最终输出经语义节点规范化的彩色 HTML 因果图谱。匿名用户研究显示其相对人工标注金标准的平均感知准确率为 0.778，框架以开放许可证发布，支持 API 与本地 LLM 部署。
正文 · AI 翻译
摘要：当前的 LLM 集成框架侧重于多步骤设置，并附加用于答案排序的模块，通常选择 token 和 span 分析而非结构化输出，导致架构笨重，且流水线中可能存在故障点。更快、更轻量的解决方案更容易受到幻觉传播的影响，并且在更复杂的流水线中可能缺乏输出控制。本文提出了一种可定制的、轻量级的协调大型语言模型集成工作流，利用 JSON 结构化输出和匿名同行评审排名来缓解幻觉输出和单模型故障点。该流水线在面向英文科普文章的关系抽取任务上进行了演示，针对四种基于本体的关系类型（强因果、弱因果、对比和组合），并以语义节点规范化和交互式、颜色编码的 HTML 因果图作为最终输出。性能通过匿名用户研究进行评估，相对于人工标注的金标准，平均感知准确率达到 0.778。该模块化架构支持在基于 API 和内部 LLM 设置中灵活部署，完整框架以开放许可证发布，以促进可复现性和协作研究。
| 评论： | 9 页，4 张图，已被 KG&LLM @ LREC 2026 接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41901 [cs.AI] |
| （或 arXiv:2610.41901v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.41901 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Proceedings of the Knowledge Graphs and Large Language Models Workshop (KG-LLM) @ LREC26, Palma, Mallorca, Spain, 2026, pp. 93-101 |
| 相关 DOI： | https://doi.org/10.63317/2qkh8idwebsv
链接到相关资源的 DOI |
提交历史
来自：Giacomo Magnifico [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 15:39:02 UTC（386 KB）
来源：arXiv cs.AI · arxiv.org