Uniner 7B Type

🚀 UniNER-7B-type

UniNER-7B-type是一個基於LLama-7B，使用Pile-NER-type數據訓練的模型，且未使用人工標註數據。該數據通過提示gpt-3.5-turbo-0301從段落中標註實體並提供實體標籤收集而來。數據收集提示如下：

更多信息請查看我們的論文。關於如何使用該模型，請查看我們的倉庫。

✨ 主要特性

與UniNER-7B-definition的比較

UniNER-7B-type模型在處理實體標籤方面表現出色。它在由9個領域的43個學術數據集組成的通用命名實體識別（NER）基準測試中表現更好。相比之下，UniNER-7B-definition在處理短句子中定義的實體類型方面表現更好，並且對類型釋義更具魯棒性。

📚 詳細文檔

推理

推理實例的模板如下：

⚠️ 重要提示

推理每次基於一種實體類型進行。對於多種實體類型，需為每種類型創建單獨的實例。

📄 許可證

該模型及其相關數據遵循CC BY-NC 4.0許可證發佈，主要用於研究目的。

📚 引用

@article{zhou2023universalner,
      title={UniversalNER: Targeted Distillation from Large Language Models for Open Named Entity Recognition}, 
      author={Wenxuan Zhou and Sheng Zhang and Yu Gu and Muhao Chen and Hoifung Poon},
      year={2023},
      eprint={2308.03279},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}