摘要
针对大语言模型在零样本信息抽取中面临的边界错误、类型冲突及令牌开销过大等问题，本文提出 SMADE-IE 框架。该框架采用自适应模式选择器，动态将输入路由至轻量级全局提取或类型中心提取模式，以减少推理噪声。此外，引入证据驱动辩论机制，将论点结构化为图尔敏模型组件，并通过外部证据评分与贝叶斯更新进行置信度聚合，有效解决预测冲突。实验表明，该方法在多个基准数据集上优于现有基线，同时显著提升了令牌效率。
AI 推荐理由
论文核心在于通过证据驱动的辩论机制和动态路由提升零样本信息抽取中的逻辑推理与冲突解决能力。
研究机构
School of Software Engineering, South China University of Technology, Guangzhou, China
论文信息