论文页面 - GLiNER2：基于模式驱动接口的高效多任务信息抽取系统

来源：https://huggingface.co/papers/2507.18546 发布于 2025年7月24日

摘要

GLiNER2 是一个统一的、基于Transformer架构的框架，支持多种自然语言处理任务，相比大型语言模型具有更高的效率和易用性。

信息抽取是众多自然语言处理应用的基础，但现有解决方案往往需要针对不同任务使用专用模型，或依赖计算成本高昂的大型语言模型。我们推出了GLiNER2，这是一个统一框架，它在原版GLiNER架构的基础上进行了增强，可在单个高效模型内同时支持命名实体识别、文本分类和层次结构化数据抽取。基于预训练Transformer编码器架构构建的GLiNER2，在保持CPU运行效率和紧凑模型规模的同时，通过直观的基于模式的接口引入了多任务组合能力。我们的实验表明，在抽取和分类任务上，该模型性能具有竞争力，并且相比基于LLM的替代方案，在部署易用性方面有显著提升。我们将GLiNER2作为开源pip可安装库发布，包含预训练模型和文档，详见 https://github.com/fastino-ai/GLiNER2。

查看arXiv页面 (https://arxiv.org/abs/2507.18546) 查看PDF (https://arxiv.org/pdf/2507.18546) GitHub 1.99k (https://github.com/fastino-ai/GLiNER2) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2507.18546)

社区

论文提交者

2025年7月25日 (https://huggingface.co/papers/2507.18546#6883373caa5807bb1c99950c)

太酷了，这工作真的非常棒，伙计们！

论文作者

2025年7月25日 (https://huggingface.co/papers/2507.18546#688378a6ed2a752560042663)

你好，很棒的工作！

我想知道你们何时会发布模型，谢谢！

请告知我们模型是否会开源。

·

请支持多语言，你们太棒了

很棒的工作！GitHub仓库何时能用？是否有预训练模型已经发布了？

我能获取模型权重吗？

通过拖入文本框、粘贴或点击此处上传图片、音频和视频。

点击或粘贴在此处上传图片

通过智能体获取此论文：

hf papers read 2507.18546

没有最新版CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 14个

fastino/gliner2.5-multi-v1 令牌分类• 0.3B• 3天前更新 • 200k • 212 (https://huggingface.co/fastino/gliner2.5-multi-v1)

fastino/gliner2-base-v1 0.2B• 3天前更新 • 401k • 99 (https://huggingface.co/fastino/gliner2-base-v1)

fastino/gliner2-large-v1 0.5B• 3天前更新 • 226k • 97 (https://huggingface.co/fastino/gliner2-large-v1)

fastino/gliner2-multi-v1 0.3B• 3天前更新 • 201k • 87 (https://huggingface.co/fastino/gliner2-multi-v1)

浏览引用此论文的14个模型 (https://huggingface.co/models?other=arxiv:2507.18546)## 引用此论文的数据集 0个

没有链接此论文的数据集

在数据集的README.md中引用 arxiv.org/abs/2507.18546 以从此页面链接它。

引用此论文的空间 27个

浏览引用此论文的27个空间 (https://huggingface.co/spaces?arxivIds=2507.18546)## 包含此论文的合集 1个