llm4ea_official 是数据集领域的开源项目，由 chensyCN 开发，2024 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 64。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-15。GPL-3.0许可，可自由使用，无付费版本。
它主要面向的使用场景是：知识图谱构建中需要快速对齐不同来源的实体。同类可对比的替代方案包括 OpenEA、GCN-Align、MTransE。
llm4ea_official
用大模型自动标注，低成本搞定知识图谱实体对齐
LLM4EA 是一个面向知识图谱实体对齐（Entity Alignment）的研究项目，发表于 NeurIPS 2024。它解决传统实体对齐方法依赖高质量标注数据、而人工标注成本高且易出错的问题。核心能力是利用大语言模型（LLM）生成带有噪声的实体标注，并通过设计噪声鲁棒的训练策略，使对齐模型在低质量标注下仍能取得优异性能。项目提供了完整的实验代码、数据集处理流程和模型训练脚本，支持复现论文结果。其创新点在于将LLM的生成能力与噪声学习机制结合，显著降低了对人工标注的依赖，为知识图谱融合、问答系统等下游任务提供了更经济的实体对齐方案。
开源
free
开源模型
GitHub 星标
★ 64
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队chensyCN
所属国家
定价模式free
价格说明开源项目，GPL-3.0许可，可自由使用，无付费版本。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型entity-alignment,graph-llm,large-language-models,llm-apps
GitHub 星标★ 64
30天Star增速
HF 下载量
上线时间2024-12-18 00:00:00
最近更新2026-07-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 提出利用LLM生成噪声标注，大幅减少人工标注成本
- 设计了噪声鲁棒的训练方法，在低质量标注下性能优于传统方法
- 代码开源，支持复现NeurIPS 2024论文实验
不足之处
- 项目处于早期，文档和社区支持有待完善
- 依赖外部LLM API，可能带来额外计算成本和延迟
适用场景
- 知识图谱构建中需要快速对齐不同来源的实体
- 低资源场景下缺乏人工标注，需自动生成训练数据
- 研究实体对齐中噪声标签的鲁棒学习
替代项目
OpenEA、GCN-Align、MTransE
项目介绍
上一篇：Awesome-Token-Merge-for-MLLMs
下一篇：MM4TSA
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models