使用通用大型语言模型从电费账单中进行信息抽取
计算与语言
2026-04-30 v1
摘要
从半结构化商业文档中抽取信息仍是企业管理面临的关键挑战。本研究评估了通用大型语言模型（LLM）在无需特定任务微调的情况下，从西班牙语电费账单中抽取结构化信息的能力。我们使用 IDSEM 数据集的一个子集，对架构截然不同的两个模型 Gemini 1.5 Pro 和 Mistral-small 进行了基准测试，涵盖 19 种参数配置和 6 种提示策略。我们的实验框架将提示工程作为主要实验变量，比较了零样本基线与日益复杂的少样本方法及迭代抽取策略。结果表明，提示质量的影响远超超参数调优：所有参数配置间的 F1 分数差异微乎其微，而零样本与最佳少样本策略之间的差距超过 19 个百分点。最佳配置（带交叉验证的少样本）在 Gemini 上实现了 97.61% 的 F1 分数，在 Mistral-small 上实现了 96.11%，其中文档模板结构是决定抽取难度的主要因素。这些发现表明，提示设计是最大化基于 LLM 的文档处理中抽取保真度的关键杠杆，从而为将通用 LLM 集成到商业文档自动化中提供了实证框架。
引用
@article{arxiv.2604.25927,
title = {Information Extraction from Electricity Invoices with General-Purpose Large Language Models},
author = {Javier Gómez and Javier Sánchez},
journal= {arXiv preprint arXiv:2604.25927},
year = {2026}
}
备注
13 pages, 2 figures