Awesome-LLM4IE-Papers

一键速览LLM+信息抽取全部前沿论文

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 62 🐛 待处理 1 👀 关注 21

GitHub ↗

GitHub 星标 ★ 1064

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，完全免费，无付费版本。

项目预览

Awesome-LLM4IE-Papers 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队quqxui

GitHubhttps://github.com/quqxui/Awesome-LLM4IE-Papers

定价模式🏷️完全免费

价格说明开源项目，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

技术栈/模型cross-domain-learning,data-augmentation,event-arguments,event-detection,event-extraction,few-shot-learning,in-context-learning,information-extraction,knowledge-graph-construction,large-language-models,named-entity-recognition,relation-extraction,zero-shot-learning

GitHub 星标★ 1064

上线时间2023-12-28 00:00:00

代码更新2024-11-18

仓库体积1.5 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

Awesome-LLM4IE-Papers 是一个精选论文列表，专注于大语言模型（LLM）在生成式信息抽取（IE）领域的应用。该项目系统整理了利用LLM进行实体识别、关系抽取、事件抽取等任务的论文，覆盖了从基础方法到前沿技术的完整脉络。它解决了研究者快速追踪LLM+IE交叉领域进展的痛点，提供了按任务类型、方法、数据集等维度分类的论文索引，并附有简要说明和链接。核心能力在于持续更新、结构化组织，以及为入门者和专家提供一站式文献导航。对于希望了解LLM如何革新传统信息抽取、寻找研究切入点的用户，这是一个高效的知识入口。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1064

技术标签

data-augmentation few-shot-learning in-context-learning information-extraction large-language-models

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
本机安装 git（也可直接在网页上浏览，非必需）
任意 Markdown 阅读器或浏览器（用于查看 README.md）
无需 Python、Docker 等运行时环境，README 未提供任何代码依赖

安装与启动步骤

1克隆论文仓库

把仓库拉到本地即可获得全部论文索引，若只想浏览可直接打开 GitHub 网页查看。
```
git clone https://github.com/quqxui/Awesome-LLM4IE-Papers.git
```
2进入仓库目录

进入克隆下来的文件夹，README.md 就是完整的论文清单入口。
```
cd Awesome-LLM4IE-Papers
```
3查看目录结构

README 中的 Table of Contents 按任务分类，包含 Named Entity Recognition、Relation Extraction 等章节。
```
cat README.md
```
4按任务检索论文

在 README 中定位到目标任务章节（如实体识别、关系抽取、事件抽取），查看论文标题与链接。
5阅读配套综述

论文的组织方式参考作者发表于 Frontiers of Computer Science 的综述，可按该文理解分类体系。
6反馈遗漏论文

README 欢迎提交更新，可通过邮件联系作者补充未收录的相关论文。