学习生成与抽取：面向零样本文档级事件论元抽取的多智能体协作框架

文档级事件论元抽取（DEAE）是知识获取的关键任务，旨在从文档中抽取事件参与者。在零样本设置下，现有方法利用大型语言模型生成合成数据以解决标注数据稀缺的挑战。然而，仅依赖事件类型提示难以准确捕捉未见事件的上下文与结构关系。此外，由于缺乏质量评估机制，确保合成数据的可靠性和可用性仍是重大挑战。为此，我们引入一种面向零样本文档级事件论元抽取的多智能体协作框架（ZS-DEAE），模拟人类协作认知过程的“提议-评估-修订”。该框架包含生成智能体和评估智能体两个组成部分。生成智能体利用已见事件的知识合成未见事件的数据，而评估智能体则从合成数据中抽取论元并评估其与上下文的语义一致性。评估结果随后被转换为奖励信号，并将事件结构约束纳入奖励设计，以通过强化学习实现两个智能体的迭代优化。在从RAMS和WikiEvents数据集构建的三个零样本场景中，我们的方法在数据生成质量和论元抽取性能上均取得提升，生成的数据也能有效提升其他DEAE模型的零样本性能。