论文用自生成奖励引导推理，提升单样本关系抽取准确率与解释质量。
资讯摘要
论文针对无预定义关系标签的单样本关系抽取，指出模型易被无关词元误导、且与人工标注的抽象层级不一致两个问题，提出 COGRE 认知启发推理框架与 HIT@DICT 强化学习中间奖励策略，后者从正确预测中自动提取信用词典，对推理中与关系相关的短语给予奖励。作者报告 COGRE 搭配 Qwen2.5-14B-Instruct 在 One-shot NYT29 上取得 24.65% F1，加入 HIT@DICT 强化学习后提升 23.46 个百分点，人工评估显示解释质量评分相对提高 54%。
要点速读
- 论文提出 COGRE 框架，将关系抽取拆解为模仿人类文本处理的多步推理过程。
- HIT@DICT 从正确预测中自动提取信用词典，用强化学习奖励推理中与关系标签相关的短语。
- 作者报告 One-shot NYT29 上 F1 为 24.65%，经 HIT@DICT 优化后提升 23.46 个百分点，人工解释质量评分相对提高 54%。
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 2026/10/23 08:00:11（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。