PulseAugur
中
实时 08:09:45
English(EN) REAP: Relation-Aware Elicitation and Parsing for Closed-Book Knowledge Base Construction from LLMs

REAP系统从大型语言模型中提取知识，用于AKBC共享任务2026

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为REAP的系统，用于AKBC共享任务2026，该任务专注于从语言模型中构建知识库，而无需进行微调。REAP利用结构化的思维链推理和特定关系查询来提取知识，然后将其格式化为JSON。REAP基于Mistral-Small-24B-Instruct-2501模型构建，在测试集上取得了0.62的宏观F1分数，在countryLandBordersCountry和companyTradesAtStockExchange等特定关系类型上表现强劲。 AI

影响 这项研究展示了一种从大型语言模型中提取结构化知识的方法，有望提高特定领域知识库创建的准确性和效率。

排序理由 该集群描述了一篇研究论文，详细介绍了一个用于从大型语言模型构建知识库的系统，包括具体的性能指标和模型细节。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

REAP系统从大型语言模型中提取知识，用于AKBC共享任务2026

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Thanh-Dan Bui, Thanh-Trung Do, Tuan-Phong Nguyen ·

    REAP: 用于从大型语言模型构建闭卷知识库的关系感知提取与解析

    arXiv:2608.10963v1 Announce Type: new Abstract: We present the REAP system for the AKBC Shared Task 2026 on constructing knowledge bases from language models in a closed-book setting, subject to a budget of at most 32B parameters and no model fine-tuning. Our system combines stru…

相关实体

相关话题