Multilingual coreference resolution using large language models

Abstract

Coreference resolution is the task of identifying and linking expressions in a text that refer to the same real-world entity. This thesis describes an LLM-based system for coreference resolution submitted to the CRAC 2026 shared task. The system is based on in-context learning and incorporates several successful ideas: generating language-specific prompts with LLMs, an LLM-friendly XML-inspired annotation scheme that can be used in any LLM-based coreference-resolution system, and a multi-step decomposition of the task that makes it possible to employ other systems for individual steps.

Určování koreference je úloha zaměřená na identifikaci a propojení výrazů v textu, které odkazují ke stejné entitě z reálného světa. Tato diplomová práce popisuje systém pro určování koreference založený na velkých jazykových modelech (LLM), který byl ode- vzdán do soutěže CRAC 2026. Systém je založen na metodě zvané in-context learning a s úspěchem využívá následujících myšlenek: generování jazykově specifických promptů pomocí LLM; anotační schéma inspirované XML vhodné pro LLM a použitelné v libovol- ném systému pro určování koreference založeném na LLM; a dekompozici úlohy na více kroků, což umožňuje svěřit jednotlivé kroky i jiným systémům.