也看大模型用于实体识别数据增强：兼看RAG长文本优化策略、CLAPNQ评测集及图表问答基准MChartQA

文章预览

今天是2024年4月4日，星期四，清明节，北京，天气晴。 假期不停歇，我们来继续关注RAG、知识图谱以及文档理解方面的工作。 我们先来回顾昨日大模型进展早报，如下： 其次，我们来关注混合大模型与人工标注方案进行实体识别数据集增强、关于使用向量化上下文增强长文本RAG、关于一个新的长文本RAG数据集，并在最后看看图表问答的新工作。 供大家一起参考并思考。 一、混合大模型与人工标注进行实体识别数据生成 我们来看看利用LLMs增强NER数据集的一个工作， 《Augmenting NER Datasets with LLMs: Towards Automated and Refined Annotation》(https://arxiv.org/pdf/2404.01334)  引入了一种新的混合标注方法，利用LLM来补充已手动标注的数据集中的遗漏标注（假设存在遗漏标注），以缓解当前人工标注遗漏的问题。 其思想很简单，如图1所示，绿色的部分就是遗漏的实体 ………………………………