摘要
尽管大规模语言模型 (LLM) 在各种 NLP 任务上已经取得了 SOTA 性能，但它在 NER 上的性能仍然明显低于监督基线。这是由于 NER 和 LLMs 这两个任务之间的差距：前者本质上是序列标记任务，而后者是文本生成模型。在本文中，我们提出 GPT-NER 来解决这个问题。GPT-NER 通过将序列标记任务转换为 LLM 可以轻松适应的生成任务来弥合差距，例如，在输入文本“Columbus is a city”中查找位置实体的任务转换为生成文本序列“@” @Columbus## is a city"，其中特殊标记@@## 标记要提取的实体。为了有效解决LLMs的“幻觉”问题，在 LLM 强烈倾向于过度自信地将 NULL 输入标记为实体的情况下，我们提出了一种自我验证策略，提示 LLM 问自己提取的实体是否属于标记的实体标签。我们在五个广泛采用的 NER 数据集上进行了实验，GPT-NER 实现了与完全监督的基线相当的性能，这对我们来说是第一次。更重要的是，我们发现 GPT-NER 在低资源和少样本设置中表现出更强的能力，当训练数据量极其稀缺时，GPT-NER 的表现明显优于监督模型。这展示了 GPT-NER 在标记示例数量有限的真实 NER 应用程序中的能力。我们通过提示 LLM 询问自己提取的实体是否属于标记的实体标签来提出自我验证策略。我们在五个广泛采用的 NER 数据集上进行了实验，GPT-NER 实现了与完全监督的基线相当的性能，这对我们来说是第一次。更重要的是，我们发现 GPT-NER 在低资源和少样本设置中表现出更强的能力，当训练数据量极其稀缺时，GPT-NER 的表现明显优于监督模型。这展示了 GPT-NER 在标记示例数量有限的真实 NER 应用程序中的能力。我们通过提示 LLM 询问自己提取的实体是否属于标记的实体标签来提出自我验证策略。我们在五个广泛采用的 NER 数据集上进行了实验，GPT-NER 实现了与完全监督的基线相当的性能，这对我们来说是第一次。更重要的是，我们发现 GPT-NER 在低资源和少样本设置中表现出更强的能力，当训练数据量极其稀缺时，GPT-NER 的表现明显优于监督模型。这展示了 GPT-NER 在标记示例数量有限的真实 NER 应用程序中的能力。GPT-NER 实现了与完全监督的基线相当的性能，这对我们来说是第一次。更重要的是，我们发现 GPT-NER 在低资源和少样本设置中表现出更强的能力，当训练数据量极其稀缺时，GPT-NER 的表现明显优于监督模型。这展示了 GPT-NER 在标记示例数量有限的真实 NER 应用程序中的能力。GPT-NER 实现了与完全监督的基线相当的性能，这对我们来说是第一次。更重要的是，我们发现 GPT-NER 在低资源和少样本设置中表现出更强的能力，当训练数据量极其稀缺时，GPT-NER 的表现明显优于监督模型。这展示了 GPT-NER 在标记示例数量有限的真实 NER 应用程序中的能力。
论文原文连接
https://arxiv.org/pdf/2304.10428.pdf
结论
本文提出GPT-NER以使LLM适应NER任务。作者设计一种prompt来提示LLM生成实体标记，此外在演示部分设计了KNN和token嵌入来帮助LLM更好生成输出，并且作者提出一种自我验证策略来缓解LLM的幻觉问题。最后模型性能和基线相当，并且在低资源场景有显著的优势。
阅读总结
一篇2023年4月26日才挂上arxiv的文章，是我看到的第一篇用LLM解决NER任务的文章，文中的方法很有创意，通过设计prompt激发大模型生成预期序列的能力着实让我感叹LLM的无限潜力，并且这只是在GPT-3就能达到baseline的效果，如果换成现在的GPT-4，那结果不敢想，在我看来，LLM才是NER任务的最优解，如此复杂的序列标注问题，果然还是需要魔法打败魔法，之前所看到的对比学习方法、元学习方法等，在LLM面前可能真的不堪一击，当然我还会继续调研的。
