IEPile，由浙江大学研发，是一个大规模高质量的双语（中英）信息抽取（IE）指令微调数据集，涵盖了命名实体识别（NER）、关系抽取（RE）和事件抽取（EE）三大核心子任务。该数据集包含约200万条指令样本，总计约3.2亿Token，涵盖了通用、医学、金融等多个领域。研究团队通过精心整合26个英文和7个中文IE数据集，并采用提出的“基于schema的轮询指令构造方法”，包括构建难负样本字典和轮询式指令生成，确保了数据集的高质量。IEPile的构建显著提升了大型模型在信息抽取任务，尤其是零样本泛化能力上的表现，为信息抽取研究提供了宝贵的资源。
数据集地址: https://github.com/zjunlp/IEPile
_1769672084863.jpg)