新型小型语言模型在提取结构化新闻内容方面表现出色

研究人员开发了news-crawler-LM，这是一款紧凑型语言模型，旨在高效准确地从新闻文章中提取结构化内容。该模型使用Fundus新闻爬取库进行微调，将原始HTML转换为纯文本和结构化JSON，包括标题、作者和发布日期等关键字段。实验表明，news-crawler-LM在HTML到Markdown和HTML到JSON的提取任务中优于现有基线模型，在BLEU和METEOR分数上均有显著提高。该项目还向研究界开放了其模型和相关产物。 AI

影响 该模型可以为新闻聚合器和研究人员简化内容提取流程，减少手动工作并提高数据质量。

排序理由 该集群包含一篇详细介绍新模型发布及其性能评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Fundus
• Gotit.pub
• Hugging Face
• news-crawler-LM
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →