实体
HIPE-2022
HIPE-2022
PulseAugur coverage of HIPE-2022 — every cluster mentioning HIPE-2022 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
DistilledGemma系统在人物地名关系抽取中实现高精度 · 跟踪2个来源
研究人员开发了DistilledGemma，一个从多语言历史文章中抽取人物地名关系的高效系统，在HIPE-2026共享任务中取得了0.688的平均分。该系统采用三阶段知识蒸馏流程，首先在大型语言模型上进行提示工程，然后使用QLoRA对Gemma 4 26B模型进行监督微调，最后将响应级蒸馏到一个更小的Gemma 4 E2B学生模型中。这种方法成功地减小了模型尺寸，同时保持了强大的推理能力，在标准和二元测试集的效率-准确性方面均排名第二。
-
HIPE-2026评估从历史文本中提取人地关系 · 跟踪3个来源
HIPE-2026评估活动侧重于从多语言历史文本中提取人地关系，该活动建立在之前专注于命名实体识别的HIPE版本之上。今年的挑战涉及识别两种时间关系：‘$at$’（人物在出版前曾在某地）和‘$isAt$’（人物在出版时曾在某地）。评估考虑了19世纪和20世纪以及早期现代法语文学的法语、德语和英语文本的准确性、计算效率和跨领域泛化能力。
-
大型语言模型在识别历史文本实体方面展现出潜力
研究人员探索了使用大型语言模型（LLMs）对历史文本进行命名实体识别（NER）的应用，这项任务传统上需要大量的标注数据。通过使用零样本和少样本提示技术，研究表明，尽管大型语言模型的表现不及完全监督模型，但它们在历史文献上仍能取得有希望的性能。对于传统方法不适用的低资源历史语料库，这种方法为信息提取提供了一个可行的替代方案。