第一作者：Schilling-Wilhelmi M, Ríos-García M

作者单位：Friedrich Schiller University Jena, Institute of Carbon Science and Technology (INCAR)

发表时间：2024/7

发表期刊：

关键内容：对材料科学中基于LLM的结构化数据抽取进行了全面的综述，综合了当前的知识并概述了未来的发展方向。

图1

Dealing with finite context: 处理文本长度，因为上下文窗口长度有限。

Beyond text: 除文本外其它类型数据。

1. Overview of the working principles of LLMs

对于结构化数据提取任务，温度值为0的工作通常是最好的，因为这将导致具有最相关信息的确定性输出。

2. Structured data extraction workflow

“A simple example of a system prompt for the data extraction task can be: “You are a material expert assistant and your task is to extract certain information from a given text fragment. If no information is provided for some variables, return NULL”.”

图2

3. 参考文献

Schilling-Wilhelmi M, Ríos-García M, Shabih S, et al. From Text to Insight: Large Language Models for Materials Science Data Extraction[J]. arXiv preprint arXiv:2407.16867, 2024.