ReX-GG：面向关系抽取与图生成的LLM集成流程

ReX-GG用JSON输出加匿名互评排序构建轻量LLM集成关系抽取流程。

资讯摘要

论文提出ReX-GG，一个可定制的轻量级大模型集成工作流，利用JSON结构化输出和匿名同行评审式排序，降低幻觉输出与单模型故障点。作者在英文科普文章的关系抽取任务上演示该流程，覆盖强因果、弱因果、对比和组合四类本体关系，并做语义节点规范化，最终输出交互式彩色HTML因果图。匿名用户研究显示，相对人工标注金标准，平均感知准确率为0.778。

要点速读

1. 论文提出ReX-GG轻量级LLM集成流程，采用JSON结构化输出与匿名同行评审排序来抑制幻觉和单点故障。
2. 在英文科普文章关系抽取任务上演示，针对强因果、弱因果、对比、组合四类本体关系，输出交互式彩色HTML因果图。
3. 匿名用户研究显示平均感知准确率为0.778（对照人工标注金标准）；框架以开放许可发布，支持API与自建LLM部署。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。