为什么重要
CoNLL-2003 是 NER 领域的事实标准基准，20+ 年来一直作为 NER 方法比较的首选。标注 PER/ORG/LOC/MISC 四类实体。
评测设计
基于 Reuters 新闻语料，IOB2 标注方案。使用 span-level F1 评测。
主要发现
- 从 CRF 到 BiLSTM-CRF 到 BERT，每代架构都在此基准上实现突破
- 预训练模型将 F1 从 ~91 提升到 ~94
返回评测
综合 综合-信息抽取 已饱和
模态 · 文本
任务 · 结构化输出
CoNLL-2003
NER 领域最广泛使用的英语评测基准
CoNLL ·
考察能力
命名实体识别 序列标注 信息抽取
构建信息
- 数据规模
- 22K 句子
- 评测方式
- 标准评测
- 核心指标
- F1
模型效果排行
🥇 GPT-4o
94.6 F1
🥈 ACE
94.6 F1
NER 信息抽取 序列标注 经典基准 里程碑