摘要

大型语言模型通过阅读指导提示已经解锁了强大的多任务能力。然而，最近的研究表明，现有的大型模型在信息抽取任务上仍然存在困难。例如，gpt-3.5-turbo 在 Ontonotes 数据集上的 F1 分数仅为 18.22，远低于当前最先进的性能。在本文中，我们提出了一种基于指令调优的统一信息抽取框架 InstructUIE，该框架可以统一建模各种信息抽取任务并捕捉任务间的依赖关系。为了验证所提出的方法，我们引入了 IE INSTRUCTIONS，这是一个包含 32 个多样化信息抽取数据集的基准测试集，所有数据集均以统一的文本到文本格式呈现，并附有专家撰写的指令。实验结果表明，我们的方法在监督设置下达到了与 BERT 相当的性能，在零样本设置下则显著优于当前最先进的方法和 gpt-3.5。