5 / 11
第 5 页 · 文字版
STEP 2 抽实体 ▶ 从文档里把名词找出来。发票、合同、纳税人、税额。 卡点 整个流程里绝大多数错误都在这一步产生。后面所有步骤都在放大它,而且越往后越难发现。 论文依据 Salovskii & Gorshkova(arXiv:2604.20795,Partenit.io,旧金山)在局限性里写:下游错误绝大部分源自实体识别 阶段 — 类型给错、别名未归并、类型覆盖不全。
arXiv:2604.20795 —— 用外部本体记忆层给大模型做长期记忆与验证,作者把 NER 阶段列为主要误差 来源 一个真实的易混对
概念 判定依据 小规模纳税人 增值税上的身份,看年销售额是否超过 500 万元 小微企业 企业所得税和普惠政策上的概念,看从业人数、资产总额、应纳税所得额 两套完全不同的判定标准。一个企业可以是其中一个而不是另一个。第二步归错,后面全歪。 自查 □ 同一个东西的不同叫法,有没有归成一个 □ 业务方逐条看过这份清单吗 □ 清单里有没有其实是数值、日期、状态的东西被误当成实体
不合格信号:实体清单是模型跑出来直接用的,没人逐条看过。
文字版便于检索与复制,图表和排版请切回「图文」。