AI技术厂商Fastino于近期正式推出信息抽取模型GLiNER2.5，该版本创新性采用边界预测架构替代传统信息抽取方案中的跨度枚举逻辑，同时新增联合关系图能力，上下文窗口长度提升至4096词，有望大幅降低通用信息抽取任务的运算复杂度，提升多场景下的实体识别、关系抽取效率。
作为自然语言处理领域的核心基础任务，信息抽取长期承担着将非结构化文本转化为结构化数据的作用，但传统方案的性能瓶颈已经越来越难适配企业级的长文本处理需求。
此前主流的信息抽取方案普遍采用跨度枚举逻辑，需要对文本中所有可能的字符组合逐一筛查判断，不仅会产生大量无效运算，也很难适配超过千字的长文本场景，拆分处理又容易导致上下文信息丢失，拉高实体识别、关系抽取的误差率。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号