ArcheType：一种使用大型语言模型进行开源列类型标注的新框架

现有的深度学习方法在语义列类型注释（CTA）方面存在重要缺陷：它们依赖于训练时固定的语义类型；每种类型需要大量训练样本，且运行时推理成本较高；当在新数据集上进行评估时，即使类型保持不变，其性能也可能下降。大型语言模型在多种任务中表现出强大的零样本分类能力，本文探讨了其在CTA中的应用。我们引入了一种简单实用的方法——ArcheType，该方法通过上下文采样、提示序列化、模型查询和标签重映射，使大型语言模型能够在完全零样本的情况下解决CTA问题。我们分别对方法的每个组件进行了消融实验，并确定上下文采样和标签重映射的改进提供了最一致的性能提升。ArcheType在零样本CTA基准测试中建立了新的最先进水平（包括我们在本文中发布的三个新的领域特定基准），并且当与经典CTA技术结合使用时，在微调后的SOTAB基准测试中优于最先进的DoDuo模型。我们的代码可在https://github.com/penfever/ArcheType 获取。