事件追踪已归档
预印本比较大模型抽取论文知识实体关系策略
首次报道 最新进展 1 篇报道，1 个来源
事件综述根据 1 篇报道整理，11月3日更新
Yingyi Zhang 与 Chengzhi Zhang 发表的一项 arXiv 预印本研究，比较了多种大语言模型策略在学术论文摘要与全文知识实体关系抽取（KERE）上的表现。研究覆盖闭源大模型的思维链（CoT）提示、LoRA 微调的开源大模型，以及大模型增强小模型（SLM）等策略，并新增了 SLM 增强开源大模型、闭源大模型增强开源大模型两种策略。 该研究目前处于预印本阶段，结论尚未经过同行评审或复现。
综述由模型根据报道生成，细节以各篇原文为准。
进展时间线
北京时间，最早在上arXiv cs.DL 数字图书馆用大模型抽取论文知识实体关系
阅读这篇报道
全部报道
1 篇，点开看摘要利用大语言模型增强学术论文摘要与全文中的知识实体关系抽取
一项 arXiv 预印本研究系统比较了闭源 LLM 的 CoT 提示、LoRA 微调的开源 LLM、LLM 增强小模型（SLM）等多种策略在学术论文知识实体关系抽取（KERE）上的表现，并新增 SLM 增强开源 LLM、闭源 LLM 增强开源 LLM 两种策略。
阅读这篇报道