使用轻量级 LLM 微调 进行模式约束的文档级事件参数提取

事件参数提取 (EAE) 通过识别参数范围并为其分配架构定义的角色，将文档转换为结构化事件记录。由于触发器和参数之间的长程依赖、跨句子上下文和严格的角色约束，文档级 EAE 具有挑战性，这通常会导致边界错误、角色的不确定性以及与受限模式的不一致。在本文中，我们研究中型开放 LLM 是否可以在 MAVEN-ARG 上在文档级别可靠地执行模式约束 EAE。我们的方法结合了（i）提示模式合规性的角色集注入，（ii）使用推理时使用的相同纯 JSON 接口的参数高效监督 微调 (LoRA)，以及 (iii) 确定性解码和后处理，用于验证 JSON、过滤无效角色、删除重复参数并将跨度与文档窗口对齐。在官方 MAVEN-ARG 评估器下，经过微调的中型开放模型在提及、实体共指和事件共指评估方面优于之前报告的 GPT 基线；我们最好的模型（Phi-4，14B）在事件共指水平上达到了 42.39% F1。重现实验的代码可在 https://github.com/dessertlab/EAE/ 上公开获取。