IBM发布RegExtract PFAS监管信息提取基准

发生了什么

据arXiv cs.CL论文介绍，IBM发布了RegExtract，这是一个基于LLM的PFAS（全氟和多氟烷基物质）监管文档结构化信息提取基准。该基准包含来自20份美国州级文档和46项法规的488个人工标注字段实例，共976条条目。研究定义了针对材料定义、许可用途和产品豁免等关键元素的类型化多字段模式，并提出了感知来源的评估指标。实验表明，文档识别字段仍具挑战性，但提供特定字段的少样本示例可提高提取效果。代码和数据已在GitHub开源。