★ 3
arXiv 提出 SLICE-Mem：轻量 LLM 智能体记忆框架
SLICE-Mem 结合显著性门控准入与谓词中心信息抽取，用小型分类器筛选值得保留的用户轮次，在线流程无需生成式 LLM 调用。在 Memora Weekly 与 LongMemEval-S 上，相比 MemOS 基线保持相近准确率的同时，LLM token 消耗分别降低 92.4% 与 99.5…
arXiv NLP6 天前
#信息抽取
共 11 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
IBM 发布 PFAS 法规信息抽取基准 RegExtract
IBM 研究者推出 RegExtract，一个面向 PFAS 法规文档的结构化信息抽取基准，涵盖 20 份美国州级文件、46 项法规与 976 条带溯源标注的条目。实验显示文档识别类字段仍具挑战，字段级少样本示例可提升抽取效果，为有害物质识别与合规监测提供基础。
arXiv NLP19 天前
★ 3
Self-Meta-Evolve：个性化信息抽取提示优化
论文提出 Self-Meta-Evolve 分层框架，为每位用户维护专属提示并通过双循环持续优化，解决企业信息抽取中用户异质性问题。研究发布了基于 O*NET 职业分类的 292 名模拟用户基准，成功率达 74.58%，比最强基线高 13.56 个百分点。双盲人类研究显示其提示在 71% 的成对比…
arXiv cs.AI42 天前
★ 3
Knowledgator发布GLiFormer：5.75亿参数编码器
Knowledgator推出GLiFormer，一个5.75亿参数的编码器模型，在嵌套JSON抽取任务上达到91.10 F1，接近GPT-5.6-luna的91.96，且无需生成token即可将每个值锚定到源文本片段。该模型展示了非生成式编码器在结构化信息抽取上的高效潜力。
MarkTechPost46 天前
★ 2
研究：图推理可化解结构化生成歧义，提出多有效学习框架
论文指出结构化生成被建模为输入到单一输出的确定性映射，与自然语言的多义性不符，单参考监督会压制其他合法解释。作者将其重构为歧义感知推理问题，采用多有效学习框架，把候选输出表示为实体关系图并做图推理选择，在结构化生成基准上提升准确率、稳定性与鲁棒性。
arXiv NLP7 天前
★ 2
Protegrity 发布 PII 识别模型 Protegrity-PII
Protegrity 推出面向结构化与非结构化文本的 PII 判定模型 Protegrity-PII，在新基准 PII-SCOPE 上实现 0.915 的类型化召回与 0.907 的精确率。单张 RTX 6000 上批处理速度达每百万字符 0.49 秒、成本 0.0005 美元。得益于训练所用实体…
arXiv NLP10 天前
★ 2
Clairic 发布 System One 类抽取模型
Clairic 推出名为 System One 的新一类信息抽取模型，主打从结构化输入中提取决策所需信息。该发布面向需要将状态与问题模式转化为决策的应用场景。
Lobsters – Machine Learning13 天前
★ 2
arXiv 论文：ReviewPilot 多智能体系统综述筛选
论文提出对话式多智能体系统 ReviewPilot，自动化 PRISMA 系统综述流程中的论文筛选与信息抽取，每条筛选决策附理由、每个抽取值附来源。在流行病学专家综述上，其筛选宏 F1 达 0.776、抽取 F1 达 0.788，优于单提示 LLM 与 AgentSLR。
arXiv NLP17 天前
★ 2
论文提出 LLM 自动构建硬件知识图谱，属性忠实度达98.8%
研究提出 LLM 驱动的自动化流水线，通过分块属性抽取、层级路由与迭代精炼，将硬件数据手册转化为通用层级硬件知识图谱，并保留来源溯源。在20份数据手册上，框架属性忠实度达98.8%，远超一次性处理的76.1%，为硬件设计与验证提供更可靠、可追溯的工程信息。
arXiv cs.AI21 天前
★ 2
MACE 多智能体事件候选获取方法
论文提出 MACE，一种多智能体候选事件获取方法，在链接前用专门化 LLM 智能体分别获取时间、地点、参与者和事件类型证据，并由协调者修订证据集。在两个事件链接基准上，加入 MACE 可稳定提升不同模型的准确率。
arXiv cs.AI48 天前
★ 2
GAVEL：临床时间线与病例报告比对裁决
论文针对临床时间线抽取评测依赖不完美专家标注与事件对齐的问题，提出GAVEL——一种LLM评判协议，将两条时间线与病例报告比对并返回差异类型、裁决与报告段落。研究评估了事件匹配器、审查2738条发现并对六种抽取器与两名人工标注者排名。在126份报告中，合并时间线在77%比较中被偏好，将差异从每份7…
arXiv cs.AI48 天前