PulseAugur
中
实时 19:25:51
English(EN) ReLTEx: Reliable LLM-based Taxonomy Expansion

新框架利用LLM和嵌入来扩展科学分类法 · 已追踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新的研究论文介绍的框架利用大型语言模型（LLM）和嵌入来增强科学分类法。第一个框架ReLTEx，通过结合LLM生成和结构感知验证，专注于可靠的基于LLM的分类法扩展，以减少幻觉并提高一致性。第二个框架SCALE，通过使用嵌入和LLM创建新的科学概念层来扩展OpenAlex分类法，将语义相关的术语组织成连贯的单元，从而实现更细粒度的学术分类和分析。 AI

影响 这些框架可以实现对科学文献更详细、更准确的分类，从而改进研究监测和知识组织。

排序理由 两篇在arXiv上发表的学术论文，介绍了使用LLM和嵌入进行分类法扩展的新颖框架。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架利用LLM和嵌入来扩展科学分类法 · 已追踪2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Zeinab Ghamlouch, Mehwish Alam ·

    ReLTEx：基于可靠LLM的分类法扩展

    arXiv:2608.10970v1 Announce Type: cross Abstract: Recent advances in Large Language Models (LLMs) have demonstrated strong capabilities in generating semantically relevant concepts and relations, making them promising tools for taxonomy enrichment. However, directly relying on LL…

  2. arXiv cs.AI TIER_1 English(EN) · Daniele Raimondi, Feichi Lu, Oliver Grun, Mariia Eremina, Andrea Perlato ·

    SCALE：通过大型语言模型和嵌入式技术进行科学概念聚合以实现细粒度分类法扩展

    arXiv:2608.07254v1 Announce Type: cross Abstract: The increasing specialization of scientific research challenges existing classification systems, which provide effective representations of broad disciplines and research topics but often fail to capture the fine-grained conceptua…

相关实体

相关话题