研究人员开发了MASTE，一种新颖的多智能体管道，旨在改进自然语言处理任务的零样本方面情感三元组提取（ASTE）。与在ASTE单遍生成方面存在困难的传统方法不同，MASTE将过程分解为四个专门阶段，每个智能体处理不同的子任务。这种方法允许进行无需训练的零样本ASTE，并在多个基准测试中显示出比现有LLM基线显著的性能提升，缩小了与完全监督技术之间的差距。 AI
影响 这种多智能体方法可以显著提高零样本场景下情感分析的准确性和效率。
排序理由 该集群包含一篇详细介绍自然语言处理新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08080v1 Announce Type: new Abstract: Aspect Sentiment Triplet Extraction (ASTE) requires jointly identifying (aspect, opinion, sentiment) triples from a given review sentence. While large language models (LLMs) achieve strong zero-shot performance on many NLP benchmark…
Aspect Sentiment Triplet Extraction (ASTE) requires jointly identifying (aspect, opinion, sentiment) triples from a given review sentence. While large language models (LLMs) achieve strong zero-shot performance on many NLP benchmarks, their effectiveness on ASTE remains limited, …