大语言模型（LLM）的结构化输出研究：以“JSON格式”为目标
在大语言模型（LLM）的结构化输出研究中，明确以“JSON格式”为目标的论文，核心聚焦于解决“模型生成文本符合JSON语法规范、字段可解析”的问题，尤其适用于数据提取、结果封装、系统交互等场景。以下是关键论文及核心贡献，按发表时间和影响力排序：
一、核心论文（直接提出/聚焦JSON结构化输出）
1. 《Structured Output Prediction with Language Models》
- 发表时间：2021年（NeurIPS 2021）
- 作者团队：Google Research
- 核心贡献：
首次系统提出“用语言模型直接生成结构化输出（含JSON）”的框架，打破了传统“先生成文本再解析”的两步法。- 提出“结构化提示（Structured Prompting）”：在提示中明确指定JSON的字段定义、数据类型（如字符串、数字、数组）、语法约束（如引号、逗号、大括号匹配）。
- 实验验证：通过提示工程+少量微调，模型可生成高准确率的JSON，适用于信息抽取（如从新闻中提取“事件{时间、地点、人物}”）、表格填充等场景。
- 示例提示（论文中简化版）：<
