研究人员开发了一种新颖的两阶段框架，用于优化少样本关系提取任务中的提示，特别是针对较小的语言模型。第一阶段采用基于推理的优化进行广泛的提示改进，而第二阶段（名为 GradPO）则使用梯度信号对高影响力提示跨度进行精确精炼。该方法在 Qwen3-4B 模型上使用 FS-TACRED 数据集上展示了最先进的性能，并在 FS-FewRel 数据集上保持竞争力。 AI
影响 这项研究可能导致更有效、更高效地利用较小的语言模型来完成关系提取等特定任务。
排序理由 该集群包含一篇学术论文，详细介绍了关系提取任务中提示优化的一种新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.29639v1 Announce Type: cross Abstract: Automatic prompt optimization is still underexplored for episodic few-shot relation extraction with smaller language models. We propose a two-stage framework that combines reasoning-based prompt optimization with gradient-based pr…
Automatic prompt optimization is still underexplored for episodic few-shot relation extraction with smaller language models. We propose a two-stage framework that combines reasoning-based prompt optimization with gradient-based prompt optimization. The first stage can use any rea…