PlanE：面向抽取式LLM的数据、调优与推理元规划

增强大语言模型（LLM）的任务专属能力主要需要大量指令微调数据。但这种数据的体量带来可观的标注成本，且缺乏把LLM量身适配到特定任务的优化方法。为解决上述问题，我们提出PlanE——一个构建抽取式LLM的规划框架，包括数据分解、指令微调与提示推理。此外，我们引入数据—调优—推理（DTI）规划器：为特定数据集选择最优基座LLM及其DTI组合以提升构建效率。实验结果从两个视角证明PlanE的有效性：（1）同一基座LLM跨不同数据集；（2）同一数据集跨不同基座LLM。我们还验证了所提DTI规划器在不同优化目标下的泛化性。代码公开于https://github.com/gugugu-469/PlanE。