论文页面 - ENTLORE：企业问答中潜在组织推理的图谱基础基准

来源：https://huggingface.co/papers/2608.10679

摘要

ENTLORE是一个基准框架，通过要求从常规文档中恢复隐含的组织关系来评估企业问答能力，揭示出即使使用标准答案源，许多潜在推理问题仍未得到解决。

企业问答被定义为检索内部文档并生成基于依据的回答。然而，常规企业记录是工作的副产品，所需的组织关系在不同来源间保持隐含。现有基准提供真实的多源证据，但往往具象化预定义的答案路径，因此测试的是陈述事实的组合能力，而非从语料库中恢复目标关系的能力。我们将后者称为潜在组织推理(https://huggingface.co/papers?q=latent%20organizational%20reasoning)。我们引入ENTLORE，一个图谱基础基准(https://huggingface.co/papers?q=graph-grounded%20benchmark)构建框架，从常规文档、权威组织表格和运营记录中重建一个经过审计的企业世界。版本化的组织约定在真相图中认证派生关系，确保完整的标准答案和证明证书。对齐的匿名发布仅公开文档语料库，同时隐藏私有结构和目标关系。ENTLORE包含来自三种来源类型的2,341份文档和907个问题，涵盖显式查找、跨源合成(https://huggingface.co/papers?q=cross-source%20composition)和潜在组织推理(https://huggingface.co/papers?q=latent%20organizational%20reasoning)，并在56个模型和访问配置下进行评估。将发布世界构建为诱导实体图(https://huggingface.co/papers?q=induced%20entity%20graph)或可导航知识库(https://huggingface.co/papers?q=navigable%20knowledge%20base)可获得最强的可部署结果。然而，即使提供标准文档，仍有30.4%的潜在问题未得到解决，而显式和合成问题的比例分别为12.6%和6.2%。因此，企业问答不仅依赖于文档召回，还取决于隐含组织关系是否变得可用。该基准、数据和代码可在ENTLORE公开获取。

查看arXiv页面(https://arxiv.org/abs/2608.10679)查看PDF(https://arxiv.org/pdf/2608.10679)GitHub2(https://github.com/scitix/entlore)添加到收藏集(https://huggingface.co/login?next=%2Fpapers%2F2608.10679)

在您的代理中获取本文：

hf papers read 2608\.10679

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

引用本文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2608.10679可从此页面链接。

引用本文的数据集1

Akrin-scitix/EntLORE Viewer• 更新于约1小时前 • 4.16k(https://huggingface.co/datasets/Akrin-scitix/EntLORE)

引用本文的空间0

没有空间链接此论文

在空间README.md中引用arxiv.org/abs/2608.10679可从此页面链接。

包含本文的收藏集0

没有收藏集包含此论文

将本文添加到收藏集(https://huggingface.co/new-collection)可从此页面链接。