arXiv · cs.AI· Jiahong Qian·· 6 小时前
LLM实体抽取在网络威胁情报中的失效与置信信号研究
From Unreliable to Usable: Decomposing Failure Modes and Confidence Signals in LLM Entity Extraction - Evidence from Cyber Threat Intelligence
arXiv:2610.20417v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiahong Qian
研究任务与主要进展
Jiahong Qian预注册并冻结模型设置，在354起事件、315份独立报告组成的公开语料上评测DeepSeek-V4-Flash、GLM-5.3-Flash和GPT-6.1-Sol的实体抽取能力、置信度校准与扰动鲁棒性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org