Self-Reflection Reinforcement Learning Information Extraction Self-Improvement
摘要

大型语言模型在信息提取领域潜力巨大,但现有基于反思的校正方法与结构化输出往往不对齐。自由形式的自我反思虽能标记错误,却难以识别具体失效类型(如跨度缺失、标签错误等)。本文提出 LA-RL,一种结果监督框架,利用任务特定的诊断标签指导信息提取的自我修正。该方法先预测提取结果,诊断错误标签,再据此修订输出。训练包含冷启动监督微调及两个 GRPO 阶段,奖励最终质量与格式有效性。实验表明,该方法在多个任务上显著优于传统微调,且反思结构对任务敏感。

AI 推荐理由

论文核心提出基于标签感知的自我反思机制,通过强化学习实现模型自我修正与进化。

研究机构
1Hefei University of Technology, Hefei, China 2Chongqing Jiaotong University, Chongqing, China
论文信息
作者 Xiao You, Tianwei Yan, Zixu Shan, Longyu Du, Shan Zhao
发布日期 2026-07-26
arXiv ID 2607.23420
相关性评分 9/10 (高度相关)