基于标注指南的事件抽取指令微调大型语言模型
Instruction-Tuning LLMs for Event Extraction with Annotation Guidelines
AI总结：
本研究探讨标注指南在指令微调大型语言模型进行事件抽取时的作用，实验表明其在适量训练数据下能提升跨模式泛化和低频事件类型性能。
摘要：
本研究探讨了标注指南——即事件类型和论元的文本描述，在指令微调大型语言模型进行事件抽取时的作用。我们在全量和低数据设置下，使用人工提供和机器生成的指南进行了一系列实验。结果表明，当存在适量训练数据时，标注指南具有潜力，并突显了其在提升跨模式泛化能力和低频事件类型性能方面的有效性。
英文摘要：
In this work, we study the effect of annotation guidelines -- textual descriptions of event types and arguments, when instruction-tuning large language models for event extraction. We conducted a series of experiments with both human-provided and machine-generated guidelines in both full- and low-data settings. Our results demonstrate the promise of annotation guidelines when there is a decent amount of training data and highlight its effectiveness in improving cross-schema generalization and low-frequency event-type performance.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
