LentEx: Generalizable Latent Entity Extraction via Synthetic Data and Instruction-Tuned LLMs
LentEx 框架利用合成数据生成与指令微调优化小型高效大语言模型，以解决传统方法难以识别文本中隐含实体（Latent Entity Extraction）的问题。该研究提出 LentEx 是首个通过大语言模型系统化处理 LEE 的框架，采用基于模板的方法生成多样化且与现实分布对齐的合成数据以缓解标注数据集稀缺问题。实验表明，LentEx 在多个任务上表现显著优于最先进模型，特别是在 MTEB Clustering Benchmark 上取得突破，并展现出对未见领域的鲁棒泛化能力，适用于检索增强生成（RAG）、客户画像分析及知识图谱丰富等自然语言处理任务。