精选理由
这篇论文实打实比较了GPT-4o、Mistral和DSIT-Taxonomies在提取基金提案实体上的能力，Mistral准确率90.5%碾压对手，做科研数据挖掘的可以看看。
这篇论文比较了GPT-4o、Mistral和DSIT-Taxonomies算法从42份UKRI基金提案摘要中提取研究实体的效果。Mistral实现了90.5%的主题分类准确率，远超DSIT-Taxonomies的71.4%。Mistral与GPT-4o的实体集质量相当且语义重叠度高，但Mistral在操作效率和安全性上更优。研究依托OpenAlex Topics分类体系，为大规模敏感数据分析提供参考。
AI 翻译 · 中文
这篇论文比较了GPT-4o、Mistral和DSIT-Taxonomies算法从42份UKRI基金提案摘要中提取研究实体的效果。Mistral实现了90.5%的主题分类准确率，远超DSIT-Taxonomies的71.4%。Mistral与GPT-4o的实体集质量相当且语义重叠度高，但Mistral在操作效率和安全性上更优。研究依托OpenAlex Topics分类体系，为大规模敏感数据分析提供参考。
This paper presents preliminary findings from a UKRI-funded Metascience project comparing three LLM-based approaches, GPT-4o, Mistral, and a bespoke algorithm, DSIT-Taxonomies, for extracting and classifying research ent…