研究人员开发了CONSISTRE，一个旨在利用大型语言模型（LLMs）改进文档级关系提取（DocRE）的新框架。该框架通过引入一致性检查来解决LLMs产生不一致或矛盾预测的问题。CONSISTRE提供了两种方法：一种适用于黑盒LLMs，通过提示和自我反思来优化预测；另一种适用于开源模型，利用知识蒸馏和强化学习来注入一致性知识。在DocRED数据集上的实验表明，这两种方法都提高了关系提取的可靠性。 AI
影响 提高了基于LLM的关系提取的可靠性，可能改进信息检索和知识图谱构建。
排序理由 该集群描述了一篇学术论文中提出的新框架和方法论。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.24312v1 Announce Type: new Abstract: Document-level relation extraction (DocRE) aims to extract relations among multiple entities across extended contexts while maintaining consistency across predicted triples. Although large language models (LLMs) show remarkable reas…
Document-level relation extraction (DocRE) aims to extract relations among multiple entities across extended contexts while maintaining consistency across predicted triples. Although large language models (LLMs) show remarkable reasoning capabilities in information extraction, th…