UniversalNER: Революционное усовершенствование в области распознавания именованных сущностей
Недавно была представлена UniversalNER - революционное инновационное решение в области больших языковых моделей (LLM), основанное на методе целевой искусственной дистилляции, усилённой настройкой на конкретные задачи. Исследователи смогли перелить ChatGPT в более экономичные модели UniversalNER без ущерба для качества распознавания именованных сущностей (NER). В ходе исследования на 43 наборах данных в 9 различных областях было продемонстрировано, как UniversalNER превосходит другие модели, такие как Alpaca и Vicuna, более чем на 30 абсолютных пунктов F1 в среднем.
Отличительной особенностью UniversalNER является способность наследовать возможности ChatGPT, имея при этом всего лишь долю его параметров. Он не только умеет распознавать произвольные типы сущностей, но и превосходит точность ChatGPT в задаче NER на 7-9 абсолютных пунктов F1. Самое удивительное в том, что без прямого технического надзора данная модель справляется с задачей лучше, чем передовые многозадачные системы вроде InstructUIE. Это достижение имеет все шансы стать знаковым в области обработки естественного языка, предлагая мощное сочетание эффективности и точности.
Ссылка на статью: https://arxiv.org/abs/2308.03279
Ссылка на проект: https://universal-ner.github.io/
https://andlukyane.com/blog/paper-review-universalner
Недавно была представлена UniversalNER - революционное инновационное решение в области больших языковых моделей (LLM), основанное на методе целевой искусственной дистилляции, усилённой настройкой на конкретные задачи. Исследователи смогли перелить ChatGPT в более экономичные модели UniversalNER без ущерба для качества распознавания именованных сущностей (NER). В ходе исследования на 43 наборах данных в 9 различных областях было продемонстрировано, как UniversalNER превосходит другие модели, такие как Alpaca и Vicuna, более чем на 30 абсолютных пунктов F1 в среднем.
Отличительной особенностью UniversalNER является способность наследовать возможности ChatGPT, имея при этом всего лишь долю его параметров. Он не только умеет распознавать произвольные типы сущностей, но и превосходит точность ChatGPT в задаче NER на 7-9 абсолютных пунктов F1. Самое удивительное в том, что без прямого технического надзора данная модель справляется с задачей лучше, чем передовые многозадачные системы вроде InstructUIE. Это достижение имеет все шансы стать знаковым в области обработки естественного языка, предлагая мощное сочетание эффективности и точности.
Ссылка на статью: https://arxiv.org/abs/2308.03279
Ссылка на проект: https://universal-ner.github.io/
https://andlukyane.com/blog/paper-review-universalner