中文零样端到端关系抽取研究：对比Gemini、LLaMA与ChatGPT
计算与语言
2025-02-11 v1 人工智能
机器学习
摘要
本研究探讨了各种大型语言模型（LLMs）在中文零样端到端关系抽取（RE）中的性能，这一任务将实体识别和关系抽取集成在一起，且无需标注数据。虽然LLMs在RE方面显示出前景，但大多数先前工作侧重于英文或假设实体已被标注，留下了其在中文RE中的有效性尚未探索。为弥合这一差距，我们评估了ChatGPT、Gemini和LLaMA在准确率、效率和适应性方面的表现。ChatGPT在整体性能方面最佳， 在精确率和召回率之间取得平衡；Gemini实现了最快的推理速度，适合实时应用；LLaMA在准确率和延迟方面均表现不佳，凸显了进一步适应的必要性。我们的发现为在中文关系抽取中使用LLMs提供了关于其优势与局限性的见解，揭示了准确率与效率之间的权衡。这一研究为未来旨在提高LLM对复杂语言任务适应性的研究提供了基础。
引用
@article{arxiv.2502.05694,
title = {Zero-Shot End-to-End Relation Extraction in Chinese: A Comparative Study of Gemini, LLaMA and ChatGPT},
author = {Shaoshuai Du and Yiyi Tao and Yixian Shen and Hang Zhang and Yanxin Shen and Xinyu Qiu and Chuanqi Shi},
journal= {arXiv preprint arXiv:2502.05694},
year = {2025}
}