研究人员开发了一个两阶段的大型语言模型（LLM）管道，用于从冗长复杂的人道主义报告中提取结构化的因果证据。该系统在2000-2024年的ReliefWeb数据上进行了测试，使用查询条件提取和片段定位来实现可审计性。在专家标注的测试中，经过微调的Llama-3.1-8B模型达到了94.15%的F1分数，优于一个闭源LLM。该管道还包含一种三角验证方法，用于量化不同背景下的证据收敛性，并展示了现金援助和食品相关结果的强有力积极成果。 AI
影响 这项研究展示了在利用LLM从复杂文档中提取结构化数据方面取得了重大进展，有可能改善人道主义援助等关键领域的证据综合。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种新方法和模型在特定任务上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
