VotIE：会议纪要的信息提取
介观与纳米尺度物理
2026-01-08 v1
摘要
市政会议纪要记录当地民主进程中的关键决策。与议会程序不同，后者通常遵循标准化格式，而市政纪要将投票结果编码为高度异构、自由形式的叙述性文本，跨城市差异巨大，为自动提取带来显著挑战。本文引入 VotIE (Voting Information Extraction)，一个旨在从叙述性决策记录中识别结构化投票事件的信息提取任务，并建立首个针对该任务的基准数据集，基于最近引入的 CitiLink 语料库，使用葡萄牙语市政会议纪要。我们的实验得出两个关键发现：首先，在标准的同域评估中，微调编码器（特别是 XLM-R-CRF）实现最强性能，达到93.2%宏平均F1分数，超越生成式方法。其次，在评估跨城市迁移到未见的行政背景情境的情境下，这些模型遭受显著性能下降，而少样本大语言模型则表现出更大的鲁棒性，性能下降幅度显著小于。尽管具备这种泛化优势，生成式模型的高计算成本目前限制了其实际应用。结果，轻量级微调编码器仍是大规模实际部署的更实用选项。为支持行政领域自然语言处理中可重复研究，本文公开释放了基准数据集、训练好的模型及评估框架。
引用
@article{arxiv.2601.03996,
title = {Magneto-mechanical reservoir computing combining a two-dimensional network of nonlinear mass-spring resonators with magnetic tunnel junctions},
author = {Andrea Grimaldi and Davi R. Rodrigues and Andrea Meo and Francesca Garescì and Giovanni Finocchio},
journal= {arXiv preprint arXiv:2601.03996},
year = {2026}
}