BCL：用于信息提取的贝叶斯情境学习框架

现有的信息提取 (IE) 任务越来越多地采用 大语言模型 的上下文学习 (ICL)。然而，当前的方法要么在模型尺度上表现出不一致的性能，要么缺乏系统的优化和普遍性。在此基础上，我们提出了 BCL（贝叶斯信息提取上下文学习框架），这是第一个优化框架，它使用带有贝叶斯更新的粒子过滤来系统地细化跨 IE 任务的标签表示。通过初始化、观察、权重更新和重采样四个步骤，BCL 推广到序列标记和关系分类范式。广泛的实验证明了对现有方法的实质性和一致的改进。