政治的伝記抽出のエージェント性フレームワーク

要約:
大規模な政治データセットの作成は通常、膨大な未構造文書やウェブソースの山から構造化された事実を抽出することを要求します。この作業は従来、高価な人間の専門家に依存しており、規模に応じた自動化を著しく困難にしています。
本論文では、大規模言語モデル（LLMs）を活用して、多次元のエリート経歴の抽出を自動化し、政治学研究における長年のボトルネックに対処します。
複雑な抽出タスクのための二段階の「Synthesis-Coding」フレームワークを提案します。上流のSynthesis段階では、再帰的なエージェント型LLMsを用いて異種のウェブソースから伝記を検索・フィルタリング・編纂し、続く下流のCoding段階で編纂された伝記を構造化データフレームへマッピングします。
このフレームワークを、以下の3つの主要な成果を通じて検証します。
第一に、編纂された文脈が与えられた場合、LLMコーダーは抽出精度において人間の専門家と同等、またはそれを上回ることを実証します。
第二に、ウェブ環境では、エージェント型システムがウェブ資源から人間の集合知（Wikipedia）よりも多くの情報を統合します。
最後に、長大で多言語のコーパスから直接コーディングすることには偏りが生じることを、合成段階がエビデンスを信号密度の高い表現へ編成することで緩和できると診断しました。
総合的な評価により、政治学における透明性が高く拡張性のある大規模データベースを構築する、一般化可能でスケーラブルなフレームワークを提供します。