LA-RL：让大模型学会“诊断式”自我纠错，信息抽取性能显著提升

大语言模型在信息抽取任务中展现出强大潜力，但现有的自我反思修正方法往往与结构化输出不匹配。传统自由形式的反思只能标记错误，却难以准确定位错误类型——究竟是缺失片段、标签错误、边界不匹配、无效关系类型还是参数顺序颠倒。

针对这一问题，研究团队提出了LA-RL（标签感知反思强化学习）框架。该框架采用结果监督方式，使用任务诊断标签引导信息抽取的自我修正过程。单个骨干模型首先预测抽取结果，然后诊断特定任务错误标签，最后根据诊断结果修正输出。

训练过程从标注模型生成的诊断数据开始，进行冷启动监督微调，随后通过两个GRPO阶段进行强化学习，奖励最终抽取质量、格式有效性和首次预测正确性，无需过程奖励模型。

实验结果显示，在命名实体识别、关系抽取和事件抽取任务上，LA-RL相比标准监督微调均取得一致性能提升：SciER关系抽取平均F1提升6.83，分布外关系抽取提升约20 F1，DuEE1.0事件抽取中触发词F1提升14.80、论元F1提升17.50。消融研究表明，反思结构具有任务敏感性：更强约束有利于关系抽取，而命名实体识别在领域转移时需要限制较少的修正。