Key points are not available for this paper at this time.
Wir schlagen ein Multi-Agenten-System für Debatte als Optimierung (DAO) zur Ereignisextraktion vor, wobei das Hauptziel darin besteht, die Ausgaben großer Sprachmodelle (LLMs) iterativ durch Debatten ohne Parameteranpassung zu verfeinern. In DAO führen wir zwei neuartige Module ein: das Diverse-RAG (DRAG)-Modul und das Adaptive Conformal Prediction (AdaCP)-Modul. DRAG ruft systematisch unterstützende Informationen ab, die am besten zur Debattendiskussion passen, während AdaCP die Genauigkeit und Zuverlässigkeit der Ereignisextraktion verbessert, indem es weniger vielversprechende Antworten effektiv ablehnt. Experimentelle Ergebnisse zeigen eine signifikante Reduzierung der Leistungsdifferenz zwischen überwachten Ansätzen und tuningfreien LLM-basierten Methoden um 18,1 % und 17,8 % bei ACE05 sowie um 17,9 % und 15,2 % bei CASIE für Ereigniserkennung und Argumentextraktion respektive.
Wang et al. (Mon,) haben diese Frage untersucht.