利用大语言模型增强学术论文摘要与全文中的知识实体关系抽取

arXiv cs.DL 数字图书馆Yingyi Zhang, Chengzhi Zhang2026-11-02 13:00预印本未入选

摘要

一项 arXiv 预印本研究系统比较了闭源 LLM 的 CoT 提示、LoRA 微调的开源 LLM、LLM 增强小模型（SLM）等多种策略在学术论文知识实体关系抽取（KERE）上的表现，并新增 SLM 增强开源 LLM、闭源 LLM 增强开源 LLM 两种策略。

摘要由模型根据原文撰写，以原文为准。

arXiv cs.DL 数字图书馆

arxiv.org。尚未取得已确认完整的正文，本站仅展示摘要与导读；完整内容请阅读原文。

打开原文

来源：arXiv cs.DL 数字图书馆 · arxiv.org

引用原文

Yingyi Zhang, Chengzhi Zhang. Enhancing Knowledge Entity Relation Extraction in Abstracts and Full-text Content of Academic Articles Using Large Language Models[EB/OL]. (2026-11-02)[访问日期]. https://arxiv.org/abs/2610.41552.