Die auf Dialog basierende Relationsextraktion (DialogRE) hat das Ziel, die Beziehungen zwischen Argumentpaaren zuvorzusagen, die in einem Dialog auftreten. Die meisten bisherigen Studien nutzen das Feinjustieren vortrainierter Sprachmodelle (PLMs) nur mit umfangreichen Features, um die geringe Informationsdichte des durch mehrere Sprecher geführten Dialogs zu ergänzen. Um das inhärente Wissen der PLMs effektiv auszunutzen, ohne zusätzliche Schichten hinzuzufügen, und verteilte semantische Hinweise auf die Beziehung zwischen den Argumenten zu berücksichtigen, schlagen wir ein Leitmodell mit relationaler Semantik unter Verwendung von Prompts (GRASP) vor. Wir verwenden einen promptbasierten Feinjustierungsansatz und erfassen die relationalen semantischen Hinweise eines gegebenen Dialogs mit 1) einer argumentbewussten Prompt-Marker-Strategie und 2) der Aufgabe zur Erkennung relationaler Hinweise. In den Experimenten erreicht GRASP sowohl in Bezug auf den F1-Wert als auch den F1c-Wert den aktuellen Stand der Technik in einem DialogRE-Datensatz, obwohl unsere Methode lediglich PLMs nutzt, ohne zusätzliche Schichten hinzuzufügen.