**CalOn：统一实体、关系与事件抽取的校准类型决策模型**

_Calibrated Typed Decisions for Entity, Relation, and Event Extraction_

> 针对信息抽取模型在跨域和不同标注规范下表现不佳的问题，论文提出了 CalOn，一个统一的 0.6B 参数编码器。该模型通过联合编码文本与类型定义，直接识别实体、关系及事件触发词与论元，并利用类型间的联合证据进行决策。CalOn 在 40 个基准测试中表现优异，超越了现有基线，特别是在关系抽取和事件抽取任务上取得了最高 F1 分数。此外，通过校准训练引入的概率偏差，该模型还能有效生成置信度估计，并适用于方面情感三元组抽取和代词消解等任务。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.17113)