כתבה
arXiv cs.CL ·
SRJudge: תגבור דגלי ידע גדולים עם סלקטיביות וסיבות לטגוריזציה של קונספטים של ידע דקים
SRJudge: Empowering Large Language Models with Selective Reasoning for Fine-Grained Knowledge Concept Tagging
SRJudge מציע פרקטיקה חדשה לטגוריזציה של קונספטים של ידע דקים, המשתמשת ב-SLIM ו-LLM לסלקטיביות וסיבות. המאמר כולל ניסויים על נתוני S_Bio ו-S_Phy.
תקציר מקורי באנגליתarXiv:2609.36982v1 Announce Type: new Abstract: Knowledge concept tagging aims to assign specific concept or topic labels to educational content, which is essential for both educators and learners in traditional and online teaching practices. Recent work has explored large language models (LLMs) for this task, achieving promising performance. However, LLMs still struggle to select the correct concept from a large-scale candidate set due to the high dimensionality of the decision space. In this paper, we propose a novel three-stage Select-Reason-Judge (SRJudge) framework, which empowers LLMs with selective reasoning capability for fine-grained knowledge concept tagging. Specifically, the Selector in Stage 1 first narrows the candidate concepts to a top-K shortlist by fine-tuning a small lan
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית