生成式AI能否取代监督XMLC？基于德国科学文献自动主题索引的基准研究

德国国家图书馆（DNB）针对当代德文科学文献的自动主题索引任务，对比了监督型极端多标签分类（XMLC）方法与基于大语言模型（LLM）的生成方法。结果显示监督XMLC在整体二元相关指标上最优，但LLM方法在分级相关性和长尾词汇表现更好，被视作未来生产应用的有前途替代方案。

此前自动主题索引主要依赖监督XMLC或词典匹配。本研究首次系统对比LLM生成方法与传统XMLC，发现LLM虽整体精度略低，但在长尾词汇和分级相关性上显著超越传统方法，为实际部署提供了互补路径。

LLM基于大规模预训练，对低频但语义丰富的长尾主题词有更强的上下文理解能力，能生成更细粒度的索引建议；但监督XMLC利用transformer密集特征在整体召回上更稳定。两种方法在指标上呈现互补特征。

图书馆或内容管理系统的索引功能可考虑集成双模式：用XMLC确保高精度基础索引，用LLM补充长尾建议或辅助人工审核；但LLM推理成本较高，需评估实时性与资源消耗。

• 开发两阶段索引管道：先用XMLC快速获得候选标签，再用LLM对长尾部分进行补全和排序。
• 构建混合人机协作界面：对XMLC置信度低的条目，自动推荐LLM生成的标签供馆员选择。
• 针对德语科学文献开发专用LLM微调模型，提升分级相关性指标。

• LLM方法在实际生产环境中的推理吞吐量和成本是否可接受？
• LLM与XMLC的混合策略在更大规模词汇集上的泛化能力如何？
• 研究中使用的是哪些具体LLM和XMLC模型？不同架构对结果是否有显著影响？
• 分级相关性评价中馆员的主观一致性如何，是否可能引入偏差？