TFM Structured Information Extraction from Texts in Spanish Using LLM Systems
ESTADO publicado · IberLEF 2026
Extracción
que se puede auditar.
Esquemas JSON arbitrarios, rellenados a partir de texto en español con LLMs abiertos pequeños. La decodificación restringida por gramática garantiza la forma; un filtro de alucinaciones deja fuera lo que el texto no respalda.
{ "name": "Arga", "tributary_of": "Aragón", "length_km": 145, "source_range": "Pirineos navarros", "passes_through": ["Pamplona", "Puente la Reina"], "avg_flow_m3s": null // no está en el texto }
Reconocimiento
Artículo publicado · CEUR Workshop Proceedings, Vol. 4273
Inigo at IberLEF 2026 Task GenSIE: Schema-Guided Zero-Shot Information Extraction in Spanish with Small Language Models. Iñigo Goikoetxea Fanega, Mikel Sesma Sara y Javier Lasheras Navas (Universidad Pública de Navarra y Tracasa Instrumental).
Describe la participación zero-shot, porque la tarea prohibía el fine-tuning; el trabajo de fine-tuning es la extensión del TFM y no forma parte del artículo. Leer el artículo (PDF)
Premio · Cátedra Tracasa
El trabajo recibió uno de los tres premios a los mejores trabajos finales de la primera promoción del Máster en Machine Learning de la Universidad Pública de Navarra, patrocinados por la Cátedra Tracasa de Ciencias de la Computación e Inteligencia Artificial y concedidos sin orden de prelación en el Machine Learning TFM Showcase. Leer la noticia
Las cifras de dev y de test no son comparables entre sí. Cada número del sitio indica su fichero fuente en el código de la página.
Qué construí
Tecnologías
Solo herramientas usadas en los repositorios del proyecto.
El hallazgo
El entrenamiento parece ayudar menos cuanto mejor es el pipeline de inferencia. En el modelo más fuerte, el mejor pipeline zero-shot superó a los dos regímenes de fine-tuning; el entrenamiento importó más para la contención que para el F1 bruto.