迈向可靠的即席科学信息抽取：基于两个材料数据集的案例研究
计算与语言
2025-11-18 v3 材料科学
人工智能
信息检索
摘要
我们探索了GPT-4从科学文献中执行基于即席模式的信息抽取的能力。我们专门评估了它是否能够，通过一种基本的提示方法，在给定最初手动提取这些数据集的原始手稿的情况下，复现两个现有的材料科学数据集。我们聘请材料科学家进行详细的错误分析，以评估模型在何处难以忠实地提取所需信息，并借鉴他们的见解，为解决这一广泛重要的任务提出研究方向。
引用
@article{arxiv.2406.05348,
title = {Toward Reliable Ad-hoc Scientific Information Extraction: A Case Study on Two Materials Datasets},
author = {Satanu Ghosh and Neal R. Brodnik and Carolina Frey and Collin Holgate and Tresa M. Pollock and Samantha Daly and Samuel Carton},
journal= {arXiv preprint arXiv:2406.05348},
year = {2025}
}
备注
LLM for information extraction. Update on 12/11/2024: We added some relevant literature that we missed in the previous version of the paper. Update on 05/25/2025: We changed the metadata