机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

飞桨PP-UIE是一个支持中英文的信息抽取大模型，具备强大的零样本和小样本学习能力，能够高效处理长文本，适用于多种应用场景。

本文介绍了一种新型文本摘要模型，结合抽取与生成方法，通过分层编码器和注意力机制显著提升摘要质量。研究表明，该模型在多个数据集上表现优异，能够生成信息丰富且可读性强的摘要。

人工智能在法律行业的影响日益明显，尤其是在图像识别和文本生成方面。大型语言模型（LLMs）在法律文本理解和案例分析中展现出潜力，但仍面临数据和算法的局限性。研究表明，LLMs在法律判决预测中表现良好，但需要针对法律领域进行更深入的微调和优化。未来的发展方向包括解决偏见和可解释性等问题。

本文介绍了关系抽取（RE）领域的最新研究进展，包括AutoRE模型和RHF提取范式的引入，结合QLoRA算法构建DocRE框架，提升了在RE-DocRED数据集上的性能。此外，研究探讨了低资源情况下的关系抽取方法、对话关系提取的挑战及大型语言模型的应用，提出了新的MixRE任务和DocGNRE数据集，展示了增强数据集的有效性。

本文针对零样本情况下中文开源大型语言模型在信息抽取任务中的性能进行了综合调查和分析，同时通过少样本实验评估了这些模型的能力，并与 ChatGPT 等广泛认可的语言模型在信息抽取性能上进行了比较分析，旨在提供对现有中文开源大型语言模型在自然语言处理中信息抽取领域的优势、限制和潜在增强的洞察。

该研究探讨了大型语言模型（LLMs）在条件问答（CQA）中的能力与局限性，评估了不同模型在问答任务中的表现。经过微调的LLMs在某些情况下优于现有技术，但在抽取性问答中仍面临挑战。研究提出了新的评估框架，以提高模型评估的全面性和准确性。

本文介绍了多种事件提取框架，如EventGraph和JMEE，利用大型语言模型和图神经网络提升事件提取性能。这些方法在ACE和ERE数据集上表现优异，尤其在处理嵌套事件和复杂关系方面具有显著优势。

本文综述零样本信息抽取与分类研究，利用大语言模型生成银标签数据，结合清洁数据检测、文本蕴涵和三元组转换等方法，在TACRED、Wiki80等数据集上显著超越基线，实现无需任务训练即可迁移，验证了语言作为任务描述符的有效性。

该文综述无监督意见摘要研究，涵盖变分自编码器、分层离散潜空间、文本蕴涵构建银标准摘要、语义自动编码器、孪生网络与可微背包长度控制等方法，从大量评论中提取共识观点，生成抽取式或抽象式摘要，并在Rotten Tomatoes、SPACE、亚马逊等数据集上验证性能，部分研究还提出基于Facet的细粒度评估方法。

该论文介绍了一种解决低资源场景下关系抽取的方法，通过自监督学习和对比学习进行预训练和微调。实验证明该方法在使用1%数据时，性能提高了10.5％和5.8％。

PP-ChatOCRv2是一个融合了文心一言和PP-OCRv4的文档图像信息抽取神器，覆盖20+高频应用场景，支持5种文本图像智能分析能力和部署。它具有场景丰富、精准度高、一键部署和便捷开发等特点。PP-ChatOCRv2的技术流程包括OCR系统和文心大模型的串联，可以实现80%+的平均准确率。部署简单，提供SDK部署包，支持Linux操作系统和NVIDIA GPU和X86 CPU推理。还提供便捷的二次开发功能，支持自定义Prompt优化和OCR模型微调。PP-ChatOCRv2旨在提高效率。

研究使用不同语言模型评估生成的摘要，发现text-davinci-003模型最佳。分析CNN Daily Mail和XSum数据集，为NLP研究人员提供有价值的见解。

本文介绍了一种新的信息提取框架，通过构建跨度图和迭代细化来提高实体识别和关系抽取的准确性，该框架在多个领域和数据集上超越了现有技术水平。

该文提出了一个半监督框架，通过三个新组件优化文档级关系抽取任务。实验证明该模型在两个 DocRE 数据集上表现超过了强基线模型，F1 分数和 Ign_F1 分数分别增加了 1.36 和 1.46 分。

数链科技基于飞桨研发的PP-ChatOCR解决方案，实现了多页PDF合同扫描件的关键信息抽取，准确率超过98%。该技术已经赋能数链科技的核心客户，辅助风控提效80%，节省人力5人。

在自然语言处理和知识图谱中，实体抽取、NER是一个基本任务，也是产业化应用NLP 和知识图谱的关键技术之一。