في عصر تسارع المعلومات، تواجه أنظمة استخراج المعلومات المفتوحة (Open Information Extraction) تحديات كثيرة، حيث يمكن لجملة واحدة أن تعبر عن عدة روابط صحيحة في آن واحد. وللرد على هذه التحديات، تم تقديم نظام DIFFIE والذي يمثل نهجًا ثوريًا في معالجة هذه المهمة. بدلاً من الاعتماد على طرق التوليد الانحدارية (autoregressive generation) البطيئة والمكررة، أو التنبؤ المحدد الثابت (fixed-slot prediction) الذي يحد من ميزانية الاستخراج، يعتمد DIFFIE على تقنيات الانتشار العشوائية للتعامل مع الاستخرجات.

يعمل نظام DIFFIE عن طريق استخدام مسارات عكسية مستقلة تتعامل مع علامات الأدوار على مستوى كل توكن، مما يولد مجموعة من المرشحات للاستخراج. هذه المرشحات تُجمع ثم تُصنف بناءً على شدة التطابق لإنتاج النتائج النهائية. هذه المقاربة تعني أن حجم المجموعة وعدد الاستخرجات غير مرتبط بتدريب النظام، مما يوفر مرونة لمستوى الحساب في الزمن الفعلي.

بالإضافة إلى ذلك، حقق DIFFIE نتائج قياسية جديدة في تقييم CaRB من حيث كل من F1 و AUC، متفوقًا على أقوى النظامات القائم على القواعد (ClausIE) في تقييم BenchIE. كما أثبت قدرته على المنافسة في تقييمات CaRB وWiRe57، حيث حصل على أفضل متوسط تقييم بين الأنظمة التي تقدم جميع المعايير الأربعة.

تشير النتائج إلى أن العشوائية في الانتشار هي آلية فعالة لمهام التنبؤ الهيكلي التي تتطلب مخرجات متعددة صحيحة، مما قد يحدث نقلة نوعية في كيفية استخراج المعلومات واستخدامها في المستقبل.