跳到主要内容
返回时间线
arXiv来源发表:

分类树构建不再靠自由生成:TIGA把每次改动变成可执行工具调用,多数设置召回与F1最强

核心概要

TIGA把从固定候选实体集构建分类树改写为对显式状态的迭代决策过程:智能体只能调用可执行的编辑工具,并维护记录动作、理由与结果的记忆,以及在推理中自行修订的组织策略。在四个基准分类树、两种模型骨干上,它在多数配置取得最强的结构质量,召回与F1优势最明显,但并非每项精确率都领先,且令牌、API调用与推理时间显著更高。

Source-provided article image: Controlled Knowledge Engineering for Taxonomy Induction with Tool-Grounded LLM Agents and Runtime-Adaptive Policies
arXiv

深度剖析

分类树构建从一次性生成整段层级文本,变成在显式状态上逐步执行受约束的编辑操作,每一步改动都是可验证的工具调用,中间状态可检查。 此前的提示式方法把推理、决策和结构修改都放在生成文本里,再解析或过滤,中间决定不保留为可验证状态。 在WordNet、DBLP、TExEval-2与Google产品分类四个基准上,TIGA在8个报告设置中的7个取得最高召回或F1;相对各设置最强基线,它在Google产品分类上提高8.1个百分点,在DBLP上分别提高7.9和7.4个百分点。

智能体先提出一个操作,由工具层在当前分类树上执行并返回明确反馈,语义判断与结构修改因此分开。 工具集被刻意做小,分为会改变状态的增实体、删实体与更新策略,以及只读的子树查看,每次调用都必须附带理由。 在TExEval-2上使用GPT-5.4-mini时,构建18棵子分类树共发出1008.2次API调用,而5-shot设置的CoL为160.8次,约为其6.3倍。

消融显示动态策略与交互记忆在评测基准上稳定贡献结构质量,而全局审阅的作用取决于数据集与修订预算。 去掉策略使WordNet与TExEval-2的指标分别下降3.6%和2.7%,去掉记忆使边级F1分别下降5.6%和5.8%。 审阅在WordNet上把边级F1提高8.0%,但在TExEval-2上使两项指标分别下降1.4%和0.8%,修订轮次被限制在三轮以内。

启示与展望

评测覆盖WordNet、DBLP、TExEval-2与Google产品分类四个基准,使用GPT-5.4-mini与Gemma4-31b两种骨干,每种配置独立运行五次;Google产品分类在深度截断后抽样10棵子分类树,TExEval-2不提供基准专用少样本示例。

TIGA并非在所有指标上占优,在WordNet、DBLP与Google产品分类的部分精确率上落后基线,DBLP上最大差距为13.5个百分点;在Google产品分类上运行间波动更大,GPT-5.4-mini下F1与召回的标准差为8.5%与7.9%,而CoL为3.5%与2.8%。作者把这一波动归因于更大候选空间下早期错误沿更长交互序列传播,但表示实验未直接分离其因果来源;审阅在三轮上限内仍有部分分类树未通过判定即被返回,审阅通过也不保证正确。