一篇新的研究论文评估了几个大型语言模型（LLM）在引文功能分类任务上的表现，旨在改进文献计量分析。该研究使用微调后的 Falcon 7B 模型在 ACL-ARC 数据集上取得了新的最先进（SOTA）结果，宏 F1 分数达到 73.3%。研究人员还引入了 AC3，这是一个具有七类别标注方案的新型数据集，用于区分引文类型，并探讨了上下文提取变体对分类性能的影响。 AI
影响 这项研究可以改进科学文献的分析和理解方式，可能有助于研究人员发现相关联系并评估论文的影响力。
排序理由 学术论文，展示了用于 LLM 引文功能分类的新数据集和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
