DiZiNER：パイロット注釈シミュレーションによる不一致ガイド型の指示洗練で実現するゼロショット固有表現認識
arXiv cs.CL / 2026/4/20
📰 ニュースModels & Research
要点
- この論文では、パイロット注釈のプロセスを模擬し、LLMによるゼロショット固有表現認識（NER）を改善する「DiZiNER」という不一致ガイド型の指示洗練フレームワークを提案している。
- DiZiNERは複数の異種LLMを“注釈者”として同一テキストに注釈させ、その不一致を“監督”モデルが分析してタスク指示を反復的に改良する。
- 18のNERベンチマークで評価した結果、DiZiNERは14のデータセットでゼロショットSOTAを達成し、従来最高から+8.0 F1を向上させた。
- ゼロショットと教師ありの差を+11点以上縮小し、さらに監督モデル（GPT-5 mini）より一貫して良い性能を示したことから、改善はモデル規模の増大ではなく指示洗練によってもたらされることを示唆している。
- モデル間のペアワイズ合意（agreement）はNER性能と強い相関を示し、不一致を手掛かりに指示を改善できるという中核仮説を裏付けている。
