PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20072v1cs.CL

텍스트-JSON 학습을 위한 소스 기반 데이터 생성

Source-Grounded Data Generation for Text-to-JSON Learning

금융 제출 보고서부터 임상 기록에 이르기까지, 전통 산업들은 고가치 정보를 저장하기 위해 긴 비정형 문서에 크게 의존합니다. 이 정보를 신뢰할 수 있는 정형이고 기계가 읽을 수 있는 표현으로 추출하는 것은 자동화된 시스템이 내용에 접근할 수 있게 만드는 핵심 전제 조건입니다. JSON은 이러한 정형 추출의 자연스러운 목표이지만, 신뢰할 수 있고 확장 가능한 텍스트-JSON 학습 데이터를 구축하는 것은 여전히 어렵습니다. 이러한 격차를 해결하기 위해 우리는 STAGE(Spreadsheet-grounded Text-to-JSON Artifact GEneration)를 제안합니다. 이는 소스 기반 데이터 생성 파이프라인으로, 확장 가능한 합성을 위해 LLM을 사용하여 보고서와 JSON 스키마를 구축하는 동시에 기본 스프레드시트에 대해 정답 값을 검증합니다. 851개 예제 테스트 세트가 포함된 우리의 소스 기반 벤치마크인 STAGE-Eval에 대한 평가 결과, STAGE가 기존 접근 방식보다 더 우수한 학습 데이터를 생성함을 보여줍니다. 이는 Qwen3-4B의 정확 일치를 31.37%에서 74.27%로, 값 정확도를 45.46%에서 90.69%로 향상시켰습니다.