优化大型语言模型的召回率：基于模型协作的关系三元组抽取方法
原文中文，约300字，阅读约需1分钟。发表于：。本论文设计了一种评估过滤框架，将大型语言模型与小型模型整合在一起，用于处理关系三元组提取任务，以获得更准确的提取结果。评估模型能够高精度提取相关实体对，并通过简单的标注原则和深度神经网络对模型进行嵌入，将输出作为提示加入到大型模型的提取过程中。通过大量实验证明，该方法可以帮助大型语言模型从含有多个关系三元组的复杂句子中获得更准确的提取结果，同时也能够嵌入传统提取模型以提高其从复杂句子中的提取准确率。
本研究测试了不同规模的大型语言模型在零次和少次侦查设置下的三元组提取能力。通过动态收集知识库上下文信息，并通过提示提供给语言模型的管道，使得大型语言模型在基于BiLSTM网络架构的旧的完全训练基线上具有竞争力。模型的规模对三元组提取能力的改进有限。
