核心发现
方法论
AgenticIE系统采用计划-执行-响应模式，适应用户意图和文档模式。使用特定工具如OCR和翻译器，动态调整以提高信息提取的准确性。
关键结果
- AgenticIE在KIE和QA任务中EM得分分别为0.396和0.342，比GPT-4o高16%。
- 在多语言环境中，AgenticIE在开放模式下的平均SA得分为0.613，显著优于基线。
- 实验表明，AgenticIE在处理复杂嵌套数据结构时表现出色。
研究意义
该研究为从复杂法规文件中提取信息提供了新的解决方案，特别是在多语言和不规则布局的情况下。它不仅提高了信息提取的精度，还减少了人工干预，促进了建筑行业的自动化质量控制。
技术贡献
AgenticIE系统通过动态工具选择和状态跟踪，超越了静态和多模态LLM基线，提供了更强的适应性和鲁棒性。它在处理多语言和复杂文档结构方面展示了新的工程可能性。
新颖性
AgenticIE是首个在复杂法规文件中使用计划-执行-响应模式进行信息提取的系统，特别是在多语言和开放模式下表现出色。
局限性
- 在处理极端复杂的文档结构时，系统可能会遇到性能瓶颈。
- 资源消耗较高，需优化规划和工具调用。
未来方向
未来工作包括优化AgenticIE的资源使用，提高其在更大规模应用中的可持续性，并扩展到更多语言和文档类型。
AI 总览摘要
在建筑行业中，性能声明（DoP）文件是确保产品质量和合规性的重要工具。然而，这些文件通常以多种语言和复杂的格式存在，给信息提取带来了挑战。现有的方法在处理这些多变和不规则的文档时常常力不从心。
AgenticIE系统通过计划-执行-响应模式，动态适应用户意图和文档模式，显著提高了信息提取的准确性。它使用OCR和翻译工具，成功处理了多语言和复杂嵌套的数据结构。
实验结果表明，AgenticIE在KIE和QA任务中的表现优于现有基线，特别是在多语言环境中。尽管资源消耗较高，但其在法规文件信息提取中的潜力巨大，未来可通过优化资源使用来提高其可持续性。
深度分析
研究背景
性能声明（DoP）文件是欧盟法规要求的建筑产品特性说明书。尽管这些文件对质量控制至关重要，但其多语言和复杂格式使得信息提取困难重重。
核心问题
现有信息提取方法在处理多语言和不规则布局的法规文件时表现不佳，难以实现自动化和高精度的提取。
核心创新
AgenticIE系统通过计划-执行-响应模式，动态选择工具并适应不同文档结构，解决了多语言和复杂嵌套数据的提取难题。
方法详解
- �� 使用计划器识别用户意图和文档模式
- �� 执行器调用OCR和翻译工具进行文本提取
- �� 响应器验证并返回提取结果
实验设计
实验使用了一个包含超过15K标注实体的多语言数据集，比较了AgenticIE与GPT-4o等基线的表现，评估了其在KIE和QA任务中的EM得分。
结果分析
AgenticIE在KIE和QA任务中分别取得了0.396和0.342的EM得分，显著优于基线模型，特别是在多语言和开放模式下表现出色。
应用场景
该系统可用于建筑行业的自动化质量控制和法规合规性检查，减少人工干预，提高效率。
局限与展望
尽管AgenticIE在信息提取中表现优异，但其资源消耗较高，需进一步优化以提高可持续性。
通俗解读 非专业人士也能看懂
想象你在一个图书馆，寻找一本特定的书。AgenticIE就像一个聪明的图书管理员，能够快速找到你需要的书，并翻译成你能理解的语言。它不仅能识别书籍的位置，还能处理不同语言和复杂的书架布局。
简单解释 像给14岁少年讲一样
想象你在玩一个游戏，任务是找到隐藏的宝藏。AgenticIE就像一个超级助手，能帮你找到地图上的线索，并翻译成你能理解的语言。它能处理不同的地图格式和语言，帮你快速找到宝藏！
术语表
信息提取 (Information Extraction)
从文本中自动提取结构化信息的过程。
用于从法规文件中提取关键数据。
计划-执行-响应模式 (Planner-Executor-Responder Pattern)
一种动态适应用户意图和文档模式的系统架构。
AgenticIE系统的核心架构。
OCR (光学字符识别)
将图像中的文本转换为可编辑文本的技术。
用于从扫描的DoP文件中提取文本。
多语言处理 (Multilingual Processing)
处理多种语言文本的能力。
AgenticIE系统的关键特性。
EM得分 (Exact Match Score)
评估提取结果与真实数据精确匹配程度的指标。
用于评估AgenticIE在KIE和QA任务中的表现。
开放问题 这项研究留下的未解疑问
- 1 如何在不增加资源消耗的情况下提高系统的多语言处理能力？
- 2 如何优化AgenticIE以适应更多类型的法规文件？
应用场景
近期应用
建筑质量控制
AgenticIE可用于自动化建筑产品质量控制，减少人工干预，提高效率。
远期愿景
法规合规性检查
通过扩展语言和文档类型支持，AgenticIE可用于全球法规合规性检查。
原文摘要
Declaration of Performance (DoP) documents, mandated by EU regulation, specify characteristics of construction products, such as fire resistance and insulation. While this information is essential for quality control and reducing carbon footprints, it is not easily machine readable. Despite content requirements, DoPs exhibit significant variation in layout, schema, and format, further complicated by their multilingual nature. In this work, we propose DoP Key Information Extraction (KIE) and Question Answering (QA) as new NLP challenges. To address this challenge, we design a domain-specific AgenticIE system based on a planner-executor-corresponder pattern. For evaluation, we introduce a high-density, expert-annotated dataset of complex, multi-page regulatory documents in English and German. Unlike standard IE datasets (e.g., FUNSD, CORD) with sparse annotations, our dataset contains over 15K annotated entities, averaging over 190 annotations per document. Our agentic system outperforms static and multimodal LLM baselines, achieving Exact Match (EM) scores of 0.396 vs. 0.342 (GPT-4o, +16%) and 0.314 (GPT-4o-V, +26%) across the KIE and QA tasks. Our experimental analysis validates the benefits of the agentic system, as well as the challenging nature of our new DoP dataset.