MASTE多智能体流水线实现无需训练的零样本方面情感三元组抽取

研究人员提出了MASTE，这是一个多智能体流水线，旨在通过将任务分解为由专门智能体处理的四个连续阶段，来改进零样本方面情感三元组抽取（ASTE）。这种方法解决了大型语言模型中单遍生成的局限性，这些模型难以同时确定跨度边界、观点分组和情感极性。

• MASTE通过在各个阶段对先前输出进行显式条件控制，消除了对标注训练数据或少量示例演示的需求。
• 该框架在不同的模型骨干和数据集上具有泛化能力，并优于零样本和思维链基线方法。
• 在四个ASTE基准上的大量实验表明，MASTE在不使用任何标注三元组的情况下，缩小了与完全监督方法的性能差距。

作者认为这具有重要意义，因为它为通常缺乏领域内数据的复杂NLP任务提供了一种广泛可用且无需训练的方案。