English(EN) DiffIE: Diffusion-based Open Information Extraction

基于扩散模型的开放信息抽取系统DiffIE创下新的SOTA

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-03 04:00

研究人员开发了DiffIE，一种新颖的基于扩散模型的开放信息抽取（OpenIE）方法。与使用自回归生成或固定槽预测的传统方法不同，DiffIE利用条件离散扩散的随机性。这允许在每个token的角色标签上进行独立的逆扩散轨迹，以生成候选三元组，然后对这些三元组进行聚类和排序。该方法将抽取预算与训练解耦，能够在推理时调整抽取数量。DiffIE在CaRB基准测试上取得了最先进的结果，并在其他标准评估中表现具有竞争力，表明扩散随机性对于多输出结构化预测任务的有效性。 AI

影响这种新的基于扩散模型的开放信息抽取方法可以提高从文本中抽取结构化数据的效率和灵活性。

排序理由这是一篇详细介绍开放信息抽取新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 23 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍开放信息抽取新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Konstantin Fedorov, Valentin Malykh · 2026-09-03 04:00

DiffIE：基于扩散模型的开放信息抽取

arXiv:2609.02315v1 Announce Type: cross Abstract: A single sentence often expresses multiple valid relational triplets, which makes Open Information Extraction (OpenIE) fundamentally a multi-output task. Existing neural systems handle this by autoregressive generation, which is f…

本文如何被排名

报道来源 [1]

DiffIE：基于扩散模型的开放信息抽取

相关话题