BCL은 대규모 언어 모델의 인컨텍스트 학습(ICL)을 활용하는 정보 추출(IE) 작업의 성능을 최적화하는 새로운 프레임워크입니다. 베이지안 업데이트와 파티클 필터링을 사용하여 라벨 표현을 체계적으로 개선하며, 다양한 IE 작업에 적용 가능합니다. BCL은 시퀀스 라벨링과 관계 분류 모두에 적용 가능하며, 기존 방식보다 성능이 크게 향상되었습니다.
BCL은 초기화, 관찰, 가중치 업데이트, 리샘플링의 4단계로 구성되어 있으며, 모델 규모에 따른 일관성 없는 성능 문제를 해결하고 일반화 가능성을 높입니다. 기존 방식 대비 상당한 성능 향상을 보여줍니다.
BCL은 정보 추출 작업에서 라벨 표현을 체계적으로 개선하는 베이지안 인컨텍스트 학습 프레임워크로, 시퀀스 라벨링과 관계 분류 모두에 적용 가능합니다.