CAF-I：基于大型语言模型的增强反讽检测协同多智能体框架
计算与语言
2025-06-13 v2 多智能体系统
摘要
大型语言模型（LLM）已成为反讽检测领域的主流方法。然而，现有的 LLM 方法在反讽检测中面临诸多挑战，包括：1. 单一视角的局限性；2. 综合理解不充分；3. 缺乏可解释性。本文提出了反讽协同智能体框架（CAF-I），一个旨在克服上述问题的 LLM 驱动的多智能体系统。CAF-I 雇佣了分别负责语境、语义和修辞的专门智能体，执行多维分析并进行交互式协同优化。随后，决策智能体整合这些视角，并由精化评估智能体提供条件反馈以进行优化。在基准数据集上的实验确立了 CAF-I 的最先进零样本性能。CAF-I 在绝大多数指标上达到 SOTA，取得了 76.31 的平均 Macro-F1，较最强先前基线绝对提升 4.98。这一成功得益于其有效模拟了类人的多视角分析，从而增强了检测准确性和可解释性。
引用
@article{arxiv.2506.08430,
title = {CAF-I: A Collaborative Multi-Agent Framework for Enhanced Irony Detection with Large Language Models},
author = {Ziqi. Liu and Ziyang. Zhou and Mingxuan. Hu},
journal= {arXiv preprint arXiv:2506.08430},
year = {2025}
}