面向LLM的端到端零样 biomedical 关系抽取基准：基于OpenAI模型的实验
计算与语言
2026-01-15 v3
摘要
从科学文献中抽取关系是生物医学NLP中的基础任务，因为实体及其之间的关系驱动假设生成和知识发现。随着文献增长迅速，关系抽取(RE)对于构建用作可计算结构化符号表示的知识图谱至关重要。鉴于LLM的兴起，值得探讨是否应跳过构建监督RE方法、节省标注负担，直接通过LLM API调用进行零样关系抽取。本文提出了一个包含七个生物医学RE数据集且具有特定特征的基准，评估了三个OpenAI模型(GPT-4、o1和GPT-OSS-120B)进行端到端零样RE。我们表明，LLM基于的零样RE在某些数据集上逼近监督方法的性能，但在表达多个不同谓词关系的复杂输入方面仍存在挑战。我们的错误分析揭示了改进的潜力。
引用
@article{arxiv.2504.04083,
title = {A Benchmark for End-to-End Zero-Shot Biomedical Relation Extraction with LLMs: Experiments with OpenAI Models},
author = {Aviv Brokman and Xuguang Ai and Yuhang Jiang and Shashank Gupta and Ramakanth Kavuluru},
journal= {arXiv preprint arXiv:2504.04083},
year = {2026}
}
备注
Accepted to appear in proceedings of the 3rd Workshop on Artificial Intelligence for Scientific Publications (WASP@AACL 2025). Code and data are available here: https://github.com/bionlproc/ZeroShotRE