arXiv Artificial Intelligence· Yang Wang, Hanlin Xiao, Yanan Ma, Chenghao Xiao, Chenghua Lin·· 18 小时前AI 评分22
CalOn：统一 0.6B 参数编码器实现实体、关系与事件抽取
Calibrated Typed Decisions for Entity, Relation, and Event Extraction
AI 导读
研究团队提出 CalOn，一个 0.6B 参数的统一编码器，可跨数据集和 schema 完成实体、关系与事件抽取。模型联合编码文本与类型定义，将三类任务统一为概率框架，并用奖励机制补充监督学习。在 40 个基准上，CalOn 在多数基准上优于所评估的基线，并在所有已报告的关系抽取基准上领先；训练中引入的概率偏差校正还改善了实体、关系和事件论元的置信度估计，F1 变化很小。
来源：arXiv Artificial Intelligence · arxiv.org