大语言模型也能行！通过大语言模型突破语义角色标注的壁垒
计算与语言
2025-06-09 v1
摘要
语义角色标注 (SRL) 是自然语言处理 (NLP) 中的关键任务。尽管基于生成式解码器的大语言模型 (LLM) 在各种 NLP 任务中取得了显著成功，但在 SRL 领域仍落后于基于编码器-解码器 (BERT 类) 的领先模型。本文通过为 LLM 赋予两种机制来弥合这一差距：(a) 检索增强生成和 (b) 自我纠正。第一种机制使 LLM 能够利用外部语言知识，如谓词和论元结构描述；第二种机制使 LLM 能够识别并纠正不一致的 SRL 输出。我们在三个广泛使用的 SRL 基准数据集上进行大量实验：CPB1.0、CoNLL-2009 和 CoNLL-2012。结果表明，我们的方法在中文和英文方面均实现了领先水平，标志着 LLM 首次成功地超越了编码器-解码器方法在 SRL 中的表现。
引用
@article{arxiv.2506.05385,
title = {LLMs Can Also Do Well! Breaking Barriers in Semantic Role Labeling via Large Language Models},
author = {Xinxin Li and Huiyao Chen and Chengjun Liu and Jing Li and Meishan Zhang and Jun Yu and Min Zhang},
journal= {arXiv preprint arXiv:2506.05385},
year = {2025}
}
备注
19 pages, 3 figures, 10 tables