ProgGen: Generating Named Entity Recognition Datasets Step by step with Self Reflexive LLMs

本文是LLM系列文章，针对《ProgGen: Generating Named Entity Recognition Datasets Step by step with Self Reflexive Large Language Models》的翻译。

摘要

尽管大型语言模型（LLM）在各个领域表现出显著的适应性，但这些模型在命名实体识别（NER）等结构化知识提取任务中往往达不到要求。本文探索了一种创新的、具有成本效益的策略，以利用具有适度NER能力的LLM来生成卓越的NER数据集。我们的方法与基本类条件提示不同，它指示LLM对特定领域进行自我反思，从而生成与领域相关的属性（如电影评论的类别和情绪），用于创建属性丰富的训练数据。此外，我们先发制人地生成实体术语，然后围绕这些实体开发NER上下文数据，有效地绕过了LLM复杂结构的挑战。我们在通用和市场定位领域的实验表明，与传统的数据生成方法相比，性能显著增强，同时比现有的替代方法更具成本效益。

1 引言

2 相关工作

3 方法

4 实验

5 结论

我们介绍了ProgGen，这是一个创新的框架，它利用LLM通过低资源NER的需求抽样和自我反思来生成多样化和准确的特定任务数据集。在包括不同领域的4个数据集上的实验结果表明，与LLM小样本上下文学习相比，我们的数据生成方法在下游模型性能和成本效率方面都具有优势。我们的研究强调了实体多样性在提高数