relation-extraction

本文介绍了面向心理学摘要的变量中心实证图提取方法，构建了包含210篇已标注摘要的EmpiriGraph-Psy基准数据集，并提出了分阶段LLM流水线，其宏F1值达到0.74，优于直接提取方法。

SMADE-IE 是一个面向零样本信息抽取的稀疏多智能体框架，通过自适应模式选择器与基于 Toulmin 论证风格和贝叶斯更新的证据驱动辩论机制，在 NER、RE 和 JERE 任务的 9 个基准测试上超越现有基线，同时提升了 token 使用效率。

GLiNER-Relex 是一个用于联合命名实体识别（NER）与关系提取（RE）的统一框架，利用共享的 Transformer 编码器实现零样本能力。该论文展示了模型在标准基准测试中具有竞争力的性能，并将其作为开源 Python 包发布。