事件链接的目标是将文本中的事件提及与知识库中的条目对应，或标记为库外事件。现有方法虽然在模型结构上各有差异，但在候选事件获取阶段仍受短小模糊提及、噪声参数和证据利用不均等因素影响。为此我们提出 MACE（Multi‑Agent Candidate Event），在链接前对事件结构进行细化。MACE 通过四类专门的 LLM 代理分别收集时间、地点、参与者和事件类型的证据，这些证据会被转化为中间查询送入候选事件检索工具。随后协调器对证据集合进行审查和修正，最终构造候选事件。我们在两个公开的事件链接基准上将 MACE 与多种基线模型组合实验，结果显示无论基线如何，加入 MACE 都能稳定提升准确率，证明了仅通过改进候据获取即可显著增强整体链接性能，而无需改动原有链接模型。
点评