热点事件持续更新

LLM多策略抽取论文知识实体关系

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Yingyi Zhang 与 Chengzhi Zhang 发表研究，系统评估多种大语言模型策略在学术论文知识实体关系抽取（KERE）上的效果，并新增“小模型增强开源大模型”“闭源大模型增强开源大模型”两种策略。在自建的两个 NLP 领域标注数据集上，经 LoRA 适配的 T5 模型取得最高 macro F1，摘要数据集为 0.7408，全文数据集为 0.7013。

AI 根据报道生成 · 57 分钟前更新

最新进展11月2日 13:00

利用大语言模型增强学术论文摘要与全文中的知识实体关系抽取

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv cs.CL
利用大语言模型增强学术论文摘要与全文中的知识实体关系抽取
研究系统评估了多种 LLM 策略在学术论文知识实体关系抽取（KERE）上的效果，并新增 SLM 增强开源 LLM、闭源 LLM 增强开源 LLM 两种策略。在自建的两个 NLP 领域标注数据集上，经 LoRA 适配的 T5 模型取得最高 macro F1，摘要与全文数据集分别为 0.7408 和 0.7013。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。