跳到正文
热点事件持续更新

Xinyu Guo等提出COGRE与HIT@DICT关系抽取框架

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Xinyu Guo等人在arXiv发布研究，提出解决大语言模型在无预定义关系标签情况下进行单样本关系提取的难题。研究背景指出，尽管LLM推理能力显著，但在缺乏预定义关系标签时仍存在对齐困难。 该研究引入了认知启发式框架COGRE，其将关系提取结构化为模仿人类文本处理的一系列过程。针对单样本场景，框架旨在通过自推导机制弥补预定义标签缺失造成的对齐难题。 同时研究提出了强化学习中间奖励策略HIT@DICT，该策略的奖励基于从正确预测中自动提取的信用字典。在One-shot NYT29数据集上，结合Qwen2.5-14B-Instruct，引入该策略后性能提升了23.46个百分点。

AI 根据报道生成 · 11 小时前更新

最新进展10月22日 12:00
利用自推导奖励提升可解释关系提取的方法研究

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · NLP
    利用自推导奖励提升可解释关系提取的方法研究

    该研究提出认知启发式框架 COGRE 与强化学习策略 HIT@DICT，解决 LLM 单样本关系提取缺乏预定义标签时的对齐难题。 在 One-shot NYT29 数据集上，结合 Qwen2.5-14B-Instruct 的 COGRE 取得 24.65% F1；引入 HIT@DICT 后性能提升 23.46 个百分点。

本事件热度走势

可比范围当前
7
可比范围峰值
810月22日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。