《The Innovation》：Quinex: Quantitative information extraction from text using open and lightweight LLMs
编辑推荐：
从不断增长的科学文献中抽取定量数据，是现代跨学科研究的核心难题。尽管大语言模型（Large Language Model，LLM）的最新进展显著推动了这一传统耗时任务的自动化，但其计算需求限制了可扩展性与可及性。较小的专用系统虽降低计算负担，却牺牲了准确性、领
从不断增长的科学文献中抽取定量数据，是现代跨学科研究的核心难题。尽管大语言模型（Large Language Model，LLM）的最新进展显著推动了这一传统耗时任务的自动化，但其计算需求限制了可扩展性与可及性。较小的专用系统虽降低计算负担，却牺牲了准确性、领域泛化能力或上下文细节抽取能力。为弥补这些不足，研究人员提出 Quinex，一种基于较小规模语言模型的领域无关定量信息抽取框架。Quinex 采用多轮问答（Question-Answering，QA）方式识别数量及其关联实体、属性和限定符。通过解决数据瓶颈、考虑隐性属性并优化抽取顺序与问题模板，Quinex 在多种科学体裁上取得数量 F1 超过 98%、实体 F1 82%、属性 F1 87% 的领先结果。它不只做识别，还将单位规范化并映射到 Quantities, Units, Dimensions, and Types（QUDT）本体，例如“less than four TWh”规范为（“<”，“4”，“qudt:TeraW-HR”）。对每个数量，Quinex 抽取被测实体与属性；其显著特点是同时抽取显式与隐式属性，如“the 6 MW turbine”中未明说的额定功率（rated power）。由于测量值仅在特定约束下成立，还抽取时间范围、空间范围、参考文献、测定方法及其他限定符，并将定量陈述分类为模型或真实系统、假设或规格等。通过降低从文本抽取结构化定量数据的成本，Quinex 支撑自动文献综述、定量检索与趋势监测，为可扩展、准确、领域无关的定量信息抽取树立新基准。
研究背景方面，微生物学、材料科学、生命周期评价、气候与能源等许多领域都依赖从文献中收集定量信息，但非结构化文献中的数量及其测量上下文抽取十分繁琐。早期规则系统精度高但领域窄；条件随机场（Conditional Random Field，CRF）与双向长短期记忆（BiLSTM）等机器学习方法、BERT 类模型、序列标注、关系抽取、模板填充和事件抽取虽有进展，但微调方法受训练数据规模限制；以 GPT、Llama 为代表的自回归大语言模型零样本与少样本能力尚未充分探索。小模型省算力却常丢精度、领域泛化和上下文细节。因此，研究人员开展 Quinex 研究，目标是用开放且轻量的语言模型实现领域无关、大规模、高精度的定量信息抽取。论文发表于《The Innovation》。
关键技术方法上，研究人员采用级联流水线：先用编码器类 Transformer 做数量片段（quantity span）的 IOB 序列标注，再用规则解析器做数量规范化并链接 QUDT 本体；测量上下文抽取被建模为多轮 QA，以 Flan-T5 为基座，先问属性再问实体，最后并行抽取时间范围、空间范围、参考文献、测定方法与其他限定符等子类别，并将前序答案填入后续问题模板。数据瓶颈通过远程监督构建 Wiki-Measurements 与 Wiki-Quantities、重组 MeasEval、MSP、MuLMS、SuperMat 等已有语料、以及领域专家标注 Quinex-Hydrogen-TechData 解决，形成 564,928 条数量识别样本与 48,613 条测量上下文样本，其中含人工校订 gold data 与噪声 silver data。陈述分类用编码器类模型做多标签分类。实验用 Hugging Face 权重、transformers 与 PyTorch、Snakemake 工作流、Optuna 超参优化、SQuAD 2.0 评分。
研究结果部分，数量片段识别（Quantity span identification）中，30M–124M 参数编码器模型即可高精度识别数量；124M 模型测试集 F1 96.27%，考虑可选正确答案后达 98.08%，人类在 SOFC-Exp 语料为 95.5%。说明小模型足够，且 NASA SMD IBM v.0.1（Indus）优于同规模 BioMed-RoBERTa。数量片段规范化（Quantity span normalization）用规则解析器在 Grobid-quantities 上达 91.93%，针对错误适配后 96.03%；主要失误来自 OCR/PDF 解析错误、单位修饰符、上下文消歧不足等，但解析器能以 98.13% F1 自检失败并升级人工或 LLM。测量上下文抽取（Measurement context extraction）用 Flan-T5 大模型微平均 F1 88.29%，属性 F1 87.32、实体 F1 82.49；先抽属性再抽实体、把前序预测填入模板、在上下文用特殊符号高亮数量均提升效果。Quinex 胜过相关系统（Quinex outperforms related systems）：相较 MeasEval 冠军系统在数量、属性、实体上分别高 12、41、38 个绝对 F1 点；在三篇论文与一篇评论的端到端评估（End-to-end evaluation）中，数量、属性、实体准确率 92.00%、79.31%、81.81%，但全部限定符全对仅 34.13%，说明数量识别是瓶颈、长距离时空范围受 512 token 窗口限制。应用实验（Application experiments）把 Quinex 用于 Scopus 摘要抽取平准化电力成本（Levelized Cost of Electricity，LCOE）、最大摄氧量（V?O2 max）、地震矩震级、钙钛矿带隙，结果数量级与趋势和 IRENA 等参照一致，证明轻量模型也可支撑跨域大规模抽取。
讨论部分指出，Quinex 的增益主要来自更大数据集与任务重构：数量片段不含修饰符、属性抽取设为生成式 QA 以容纳隐性属性与形容词转名词（如 thick→thickness）。生成式属性抽取偶有幻觉，高频属性更易被误生成。多轮 QA 中高亮数量比高亮属性更重要，因数量在每轮上下文都出现且需消歧；限定符细分为时间范围、空间范围、参考文献、测定方法后问题更具体，但端到端里远距离限定符常超出上下文窗口，未来需用长上下文模型与检索重排。Quinex 暂不聚类实体/属性、不链本体、不读图表；规则解析器难做上下文单位消歧。负责任使用（Responsible use）强调自动抽取数据须有人校核，不能未经验证直接发布，适合文献探索、趋势监测与带溯源的聚合分析。局限（Limitations）包括陈述分类数据少、T5 tokenizer 丢希腊字母等特殊符号、imprecise quantity 与 single/double 计数不稳、随机种子影响大等。
研究结论部分译为：应用实验表明，即便使用较小规模模型，当前定量信息抽取已达到实用质量，且可跨领域很好泛化。较低计算需求与泛化能力使 Quinex 能面向广泛用户大规模抽取定量信息。潜在用途包括自动文献综述、定量检索、趋势监测和数据库填充——这些是多研究领域常见但通常人工繁重的工作。Quinex 较文献中其他系统有实质性能提升，研究人员认为主要源于更大数据集与不同任务设计：不把修饰符计入数量片段，并把属性抽取建为生成式 QA。虽然生成式设置扩大答案空间，但在许多情况下答案更直观，也利于多轮 QA 的语法正确与隐性属性捕获。由于预测并非无错，建议有人在环或仅需近似数据的场景，如信息检索或大尺度统计分析；收集更多 gold data 并面向场景微调可进一步提升。Quinex 的两步法在实体/属性未知或文本长时更有利，若目标属性与实体已知则直接提示 LLM 更合适；若需捕获隐性数量，也应反向提问。最终，Quinex 解决了一类特定信息需求，若需求偏离则大模型上下文学习更灵活，也可将 Quinex 用于检索增强生成（Retrieval-Augmented Generation，RAG）前的文献定量索引。
