Iteratively Prompting Large Language Models for Taxonomy Induction from Limited Examples

828 篇文章

已下架不支持订阅

本文提出层链(CoL)框架,用于从有限示例中自动构建分类法。该方法通过分层指令和集合排名过滤减少错误,实现在四个真实世界基准上的最优性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Chain-of-Layer: Iteratively Prompting Large Language Models for
Taxonomy Induction from Limited Examples》的翻译。

Chain-of-Layer:从有限的例子迭代提示大型语言模型进行分类归纳

摘要

自动分类法归纳对于网络搜索、推荐系统和问答至关重要。人工管理分类法的人力成本很高,因此非常需要自动构建分类法。在这项工作中,我们介绍了层链,这是一个上下文学习框架,旨在从给定的一组实体中引入分类法。层链将任务分解为在每个层中选择相关的候选实体,并从上到下逐步构建分类法。为了最大限度地减少错误,我们引入了基于集合的排名过滤器,以减少每次迭代时产生的幻觉内容。通过大量实验,我们证明Chain-of-Layer在四个真实世界的基准测试上实现了最先进的性能。

1 引言

2 问题定义

3 方法

4 实验

5 相关工作

6 结论

在这项工作中,我们介绍了层链(CoL),一种新的分类归纳框架。通过利用分层格式指令(HF)并结合基于集合的排名过滤器,CoL将任务分解为选择相关候选者,并从上到下逐步构建分类法,从而显著减少幻觉并提高结构准确性。大量实验结果表明,CoL优于各种基

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值