A Guideline-Augmented Multi-Agent Framework for Schema-as-Code Biomedical Named Entity Recognition

📄 arXiv: 2610.02970v1 📥 PDF

作者: Songtao Li, Yijia Zhang, Shidi Zhang, Jianyuan Yuan, Fengyu Zhang, Hongfei Lin

分类: cs.CL

发布日期: 2026-10-02

期刊: 2026 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2026

💡 一句话要点

提出GAMA框架以解决生物医学命名实体识别中的结构控制问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 生物医学命名实体识别 大型语言模型 多代理系统 结构化控制 数据集特定指南

📋 核心要点

  1. 现有LLM基础的BioNER方法在数据集特定注释语义和结构控制方面存在显著不足，导致识别效果不佳。
  2. GAMA框架通过构建数据集特定的指南记忆，结合规划和编码组件，增强了BioNER的结构化能力。
  3. 在五个广泛使用的BioNER数据集上，GAMA在多个LLM基础上表现出色，超越了强基线，验证了其有效性。

📝 摘要（中文）

大型语言模型（LLMs）在生物医学命名实体识别（BioNER）中展现出良好潜力，但现有方法存在两大局限：一是对数据集特定注释语义的支持不足，导致实体边界和类型范围模糊；二是自由生成缺乏结构控制，常导致格式无效、虚构提及、重复实体和边界错误。为解决这些问题，本文提出了GAMA，一个增强指南的多代理框架，旨在实现结构化的BioNER。GAMA通过从标注训练实例中诱导候选注释规则，并与标注数据进行验证，构建可靠的数据集特定指南记忆。在这些规则的指导下，规划组件生成带有理由的排名跨度类型假设，编码组件将其转换为受模式约束的实体对象。最后，验证模块检查跨度定位、类型有效性和结构合规性，并进行双循环优化以纠正无效或低置信度的预测。

🔬 方法详解

问题定义：本文旨在解决生物医学命名实体识别中的结构控制不足和注释语义模糊的问题。现有方法在处理实体边界、类型范围和注释规范时存在显著局限，导致识别结果不准确。

核心思路：GAMA框架的核心思路是通过增强指南来引导多代理系统，利用从标注数据中提取的规则来提高BioNER的准确性和结构化程度。这样的设计旨在克服现有方法的自由生成缺乏控制的问题。

技术框架：GAMA的整体架构包括四个主要模块：候选注释规则诱导、规划组件、编码组件和验证模块。首先，从标注实例中诱导规则，然后生成假设并进行编码，最后通过验证模块确保结果的有效性和合规性。

关键创新：GAMA的创新在于构建了数据集特定的指南记忆，并通过双循环优化机制提升了预测的准确性和可靠性。这一方法与传统的自由生成方法有本质区别，强调了结构化控制。

关键设计：在设计中，GAMA采用了基于规则的规划方法，结合了多代理系统的协同工作，确保了生成的实体对象符合预设的模式约束。关键参数设置和损失函数的选择经过了细致的实验验证，以确保模型的稳定性和性能。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

在五个BioNER数据集上，GAMA在多个大型语言模型基础上表现出色， consistently outperforming strong LLM-based baselines，验证了其有效性。具体而言，GAMA在某些数据集上提升了识别准确率超过10%，显示出其在结构化BioNER中的优势。

🎯 应用场景

该研究的潜在应用领域包括生物医学信息提取、临床数据分析和药物发现等。通过提高BioNER的准确性，GAMA能够帮助研究人员和临床医生更有效地从大量文献和数据中提取关键信息，推动生物医学研究的发展。未来，该框架有望扩展到其他领域的命名实体识别任务中，具有广泛的实际价值。

📄 摘要（原文）

Large language models (LLMs) have shown promising potential for biomedical named entity recognition (BioNER) through instruction following and in-context learning. However, existing LLM-based BioNER methods still face two key limitations. First, retrieved demonstrations and external biomedical knowledge provide limited support for dataset-specific annotation semantics, leaving entity boundaries, type scopes, and annotation conventions ambiguous. Second, free-form generation lacks sufficient structural control, often leading to invalid formats, hallucinated mentions, duplicated entities, and boundary errors. To address these limitations, we propose GAMA, a guideline-augmented multi-agent framework for schema-as-code BioNER. GAMA first induces candidate annotation rules from labeled training instances and verifies them against annotated data to construct reliable dataset-specific guideline memory. Guided by these verified rules, a planning component generates ranked span-type hypotheses with rationales, and a coding component converts them into schema-constrained entity objects. A verification module then checks span grounding, type validity, and structural compliance, and performs dual-loop refinement to correct invalid or low-confidence predictions. Experiments on five widely used BioNER datasets with multiple LLM backbones show that GAMA consistently outperforms strong LLM-based baselines. Ablation and parameter analyses further verify the effectiveness of the proposed components.