冻结抽取任务、模式与决定
- 判断问题
- 必须产出哪些实体、字段、关系、事件、链接或记录，供谁使用并支持什么验收决定？
- 最低证据
- 逐字主张与日期；准确系统、模型、提示与链路版本；来源与目标格式；模式、必填与可选字段、基数、语言、用户、后果、阈值与允许拒绝条件。
- 停止条件
- 基准标签、JSON 演示或宽泛的“什么都能抽取”表述替代版本化模式、合格总体与决定阈值时停止。
合法结构不是来源支持；一个 F1 不是完整记录
信息抽取能力必须把来源、模式、摄取、字段支持、完整记录与全部失败保留在同一证据链中。
实体、字段、关系、事件与整条记录是不同任务，也有不同错误。只有先冻结模式与标注契约，再核对来源、摄取、抽取、完整分母及真实用途，才可以形成可复核的能力判断。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、语言、模式、数据集或排行榜；不构成字段准确性、记录完整性或适用性保证。
六道可拒绝的证据门
每道门都要求最低证据，并在关键未知时停止外推或缩小结论。
版本化来源与标注契约
- 判断问题
- 哪些准确材料符合条件，什么被视为事实，以及片段、值、关系与遗漏如何裁决？
- 最低证据
- 来源溯源、快照、权限、语言与文档分布；标注指南与模式版本；片段边界、嵌套、重叠、别名、规范化、NULL 规则、负例、标注者专业性、分歧与排除项。
- 停止条件
- 语料身份、合格文档、模式语义、参考标签或分歧处理未知时停止。
分开评估摄取、感知与抽取
- 判断问题
- 系统在检测、分类与连接信息之前，是否完整接收到相关内容？
- 最低证据
- 文件与页面覆盖；OCR、版面解析、转写、解码与分段质量；分块、重叠、检索、上下文限制与截断；提示、工具与后处理；分离摄取与抽取的受控测试。
- 停止条件
- 端到端分数掩盖未读页面、上下文丢失、解析错误、检索遗漏或后处理修复时停止。
分别评分边界、类型、链接与完整记录
- 判断问题
- 每项输出是否与来源、模式及记录契约一致，且没有编造或矛盾值？
- 最低证据
- 精确与部分片段评分；检测与分类分离；实体链接与规范化；关系方向与参数；事件触发词、角色与共指；字段级精确率、召回率与关键错误；模式验证、来源指针、重复处理与整条记录准确率。
- 停止条件
- Token F1、合法 JSON 或未经验证的模型裁判替代来源支持、必填字段完整性与关键错误复核时停止。
计入每份文档、遗漏、幻觉与修正
- 判断问题
- 每份合格文档、每个项目、空输出、重试及重要分层中发生了什么？
- 最低证据
- 完整文档与项目分母；缺失、多余、格式错误、重复与冲突值；空输出、拒绝、超时与工具失败；微平均与宏平均结果；文档、语言、字段与子群分层；重复、重试、人工修正、时延、Token 与总成本。
- 停止条件
- 精选记录或聚合 F1 掩盖缺失文档、稀有字段、编造值、人工救援、尾部时延或成本时停止。
迁移至目标流程并让主张到期
- 判断问题
- 真实来源、模式、人员与下游系统变化后，受控抽取是否仍然有用？
- 最低证据
- 影子或分阶段使用；代表性文档、语言、模式版本、无障碍需求与异常队列；人工验收、对账与下游结果检查；监测；来源、OCR、模型、提示、模式与政策变化触发器；责任人与到期日。
- 停止条件
- 静态数据集未经目标验证与回滚便直接外推至实时文档、新字段或高后果数据库写入时停止。
最低信息抽取主张失效矩阵
主动检查这些情形，避免把精选记录、合法 JSON 或单一 F1 外推为真实信息抽取能力。
- 01必填实体或字段被遗漏，但输出看似完整
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 02生成流畅的字段值或关系，但来源中没有支持
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 03片段边界、嵌套或别名使同一事实被拆分、合并或重复
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 04实体类型正确，但规范化身份、单位、日期或代码错误
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 05关系方向、事件参数或跨句链接被颠倒或遗漏
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 06OCR、解析、分块或检索在抽取前静默移除证据
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 07聚合 F1 掩盖稀有字段、语言、文档类型或关键情形的弱表现
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
- 08来源、模式、模型或下游系统变化使既有证据失效
记录受影响的文档、字段、模式、语言、用户与决定；保留仍成立的最窄结论，并明确需要补来源、重标、重跑、人工复核、限制用途还是撤回主张。
最低信息抽取能力评估记录
让下一位复核者能以同一来源、模式、标注契约、系统与完整运行重建结论。
- 01主张、日期、责任人、抽取任务、模式、用户、后果与阈值
- 02系统、模型、提示、工具、运行时、链路与部署版本
- 03来源语料、溯源、权限、快照、语言、格式与排除项
- 04模式、必填字段、本体、基数、规范化与 NULL 规则
- 05标注指南、参考标签、片段规则、负例与分歧
- 06摄取、OCR、解析、分块、检索、上下文与后处理设置
- 07边界、类型、链接、关系、事件、模式有效性与记录级结果
- 08来源支持、必填字段完整性、关键错误与子群结果
- 09全部文档与项目、遗漏、多余、失败、重复、修正、时延与成本
- 10目标流程证据、对账、监测、变化触发器、回滚与到期日
统一证据状态
把结论绑定到准确链路、任务、模式、来源、完整分母、目标流程与日期。
准确链路在代表性目标文档上达到来源支持、必填字段完整性、关键错误、可靠性、子群、人工工作、时延与成本阈值，并有当前复核日期。
支持仅在明确来源类型、模式版本、字段、语言、领域、质量水平或运行控制下成立。
检测、分类、链接、关系、记录完整性、关键错误、可靠性、时延或成本在不同分层间存在实质差异。
缺少来源或模式溯源、标注契约、链路身份、支持检查、完整分母、目标迁移或到期边界。
FUURAA 分析AI 信息抽取能力主张的最小判断单位是“准确系统、模型、提示与抽取链路版本 × 抽取任务、模式、字段、语言、领域、用户与决定 × 来源溯源、文档分布、标注指南、参考答案与时间 × 采集、OCR、解析、分块、上下文、检索与后处理 × 检测、边界、类型、规范化、关系、事件、结构有效性与关键错误 × 全部文档、项目、遗漏、幻觉、失败、人工修正、时延与成本 × 目标流程边界和截止日期”。一条正确记录只是一个观察，不是可迁移的能力证明。
一手来源与不可外推边界
这些来源分别约束扁平实体、细粒度中文实体、句级关系、跨句关系、少样本实体与统一实体／关系／事件抽取。
来源于 2026 年 8 月 30 日重新核对。每项保留发布日期、方法作用与不可外推边界。
2003 年发布CoNLL-2003 — Language-Independent Named Entity Recognition
建立在英文与德文新闻文本中定位并分类人物、机构、地点及其他命名实体的共享任务。
边界编辑型新闻中的四类扁平实体不能证明嵌套实体、领域字段、实体链接、关系、事件、多语言迁移或生产文档抽取能力。
打开一手来源 ↗2017 年 9 月发布TACRED — A Large-Scale Supervised Relation Extraction Dataset引入 119,474 条面向 TAC 知识库关系的众包句级样本，并包含大量无关系样本。
边界其关系清单、句级候选、众包标签与基准划分不能证明开放模式抽取、完整文档覆盖、当前事实或已部署知识库准确性。
打开一手来源 ↗2019 年 6 月 14 日发布DocRED — Document-Level Relation Extraction加入人工标注的文档级实体与关系，部分关系需要综合维基百科多句证据。
边界维基百科文档、Wikidata 关系与标注证据不能证明向私有语料、OCR 输入、不同本体、访问控制或端到端数据库更新迁移。
打开一手来源 ↗2021 年 5 月 16 日发布Few-NERD — Few-Shot Fine-Grained Named Entity Recognition提供八个粗粒度与 66 个细粒度实体类型的人工标注，以及监督与少样本基准设置。
边界源于维基百科的段落、平衡采样与情节式少样本任务不能证明任意新模式、实体链接、生产漂移或关键字段可靠性。
打开一手来源 ↗2020 年 1 月 13 日发布CLUENER2020 — Fine-Grained Chinese Named Entity Recognition中国团队主导的基准定义十类细粒度中文命名实体，并提供基线系统与人工表现分析。
边界十类实体及其中文文本分布不能代表所有华文变体、专业本体、嵌套片段、关系、事件或实际抽取流程。
打开一手来源 ↗2022 年 3 月 23 日发布UIE — Unified Structure Generation for Universal Information Extraction中国团队主导的框架以模式条件化的文本到结构生成统一实体、关系、事件与情感抽取，并跨多个数据集和数据规模验证。
边界选定任务与数据集上的结果不能证明目标流程中的模式有效性、字段来源支持、完整记录、幻觉控制、稳定时延或安全下游写入。
打开一手来源 ↗继续核对