本文提出了 Climate Change Benchmark（ClimaBench），这是一个用于系统评估 CC NLU 任务模型性能的基准收集现有不同数据集的基准。我们从公开可用的环境披露中筛选了两个大规模的标记文本分类和问答数据集，并提供了数据分析。

Jan, 2023

这篇论文提出了一个自动评估框架，通过综合指标评估大型语言模型在应对气候危机方面的知识，并发现现有大型语言模型的知识在时效性方面存在不足。

Dec, 2023

本研究基于最新的想法，将大型语言模型视为能够访问多个包含有关组织，机构和公司的最新和精确信息的代理。研究通过生成一个原型代理来演示了该方法的有效性，该代理可以从 ClimateWatch 检索排放数据并利用 Google 搜索。通过将这些资源与 LLMs 相结合，我们的方法克服了不准确语言的局限性，在气候变化这一关键领域提供了更可靠和准确的信息。这项工作为 LLMs 的未来发展以及它们在需要精确信息的领域中的应用开辟了道路。

Mar, 2023

本文介绍了一种对话实体链接的工具，使用了不同于现有方法的技术来识别如人称实体和命名实体这种在对话中扮演重要角色的实体，并在实验中证明了其优于已有技术的性能。

Jun, 2022

本文介绍了一个新的实体链接 (TempEL) 数据集，可以量化当前最先进的 EL 模型在知识库描述和提及环境中发生时间变化的实体上的性能表现以及那些以前不存在的新实体的实体链接性能，并发现 (在 temporal snapshots 中) 不断存在的实体在 EL 精度方面下降了 3.1％，而新实体的下降高达 17.9％，这强调了时间演变实体消岐的面临的挑战和新的研究前景。

Feb, 2023

评估大型语言模型对气候变化主题的能力，从科学沟通原则出发，提供一个全面的评估框架，强调 LLM 生成结果的呈现和认识适当性，揭示 LLM 在气候传播领域的潜力和局限性。

Oct, 2023

本文提出了一种新的任务：CQA 实体链接，通过有效利用 CQA 平台涉及的各种信息辅助数据（如平行答案、主题标签和用户等）来推进链接性能，使用一种基于 Transformer 的框架，在新发布的 CQAEL 数据集上通过实验验证了该框架的优越性能。

May, 2022

本研究旨在探究使用现代实体链接方法对博物馆收藏数据进行丰富的可能性，结果表明，正交纠正的实体链接模型在该领域的性能明显优于其他现有方法。

May, 2023

本文首次探索在职业技能与 ESCO 分类之间进行实体链接，使用高效的神经模型（双编码器和自回归模型）进行技能链接的实证研究。

Jan, 2024

本文介绍了 LIEL，一种语言无关的实体链接系统，通过使用区分重排框架和许多不受领域和语言限制的特征函数，它可以在多种不同的语言中工作。在各种基准数据集上的实验表明，该系统在英语上表现出色，在训练过英语的情况下，也可以很好地工作在西班牙语上，这证明了该方法的可行性。

Dec, 2017