ReliefWeb

LLM管道以高精度从危机报告中提取因果证据

研究人员开发了一个两阶段的大型语言模型（LLM）管道，用于从人道主义危机报告中提取结构化的因果证据。该系统在2000-2024年的ReliefWeb数据上进行了测试，旨在整合那些因报告篇幅长和主题多而常被掩盖的、与决策相关的信息。该管道实现了高精度，经过微调的Llama-3.1-8B模型达到了94.15%的加权F1分数，优于一个闭源LLM。该研究还引入了一种三角测量方法来汇总不同背景下的证据强度，并证明了现金援助干预措施的强收敛性。