BioREDirect

LLMs 在低资源生物医学关系抽取方面展现出潜力

研究人员探索了使用大型语言模型（LLMs）进行少样本生物医学关系抽取，这项任务对于构建生物医学文献知识至关重要。他们在 BioREDirect 数据集上进行的实验比较了两种 LLM 任务表述：成对分类和联合生成。虽然成对分类提供了更高的召回率，但联合生成被证明更精确、更高效。最佳 LLM 方法达到了 0.44 的微 F1 分数，超过了此前的少样本结果，并在稀有关系类型上表现出强劲的性能，尽管它未能达到完全监督方法的水平。