AgentODRL: A Large Language Model-based Multi-agent System for ODRL Generation

一、文章主要内容总结本文针对自然语言（NL）到开放数字权利语言（ODRL）的转换难题，提出了基于大语言模型（LLMs）的多智能体系统AgentODRL。该系统采用“协调者-执行者”（Orchestrator-Workers）架构，通过任务分解与协作，解决传统单模型架构在处理复杂逻辑规则时的性能瓶颈。核心内容包括：问题背景：ODRL是数据权利管理的关键标准，但因其依赖语义网技术、逻辑复杂，且高质量“NL-to-ODRL”训练数据稀缺，导致非技术人员难以使用，现有单模型方法无法高效处理含并行、递归结构的复杂规则。系统设计：协调者（Orchestrator）：分析输入用例复杂度（简单、并行结构、递归结构），动态分配最优处理路径；执行者（Workers）：包括重写器（Rewriter，解决递归结构的跨条款依赖）、拆分器（Splitter，分解并行结构的多独立政策）、生成器（Generator，核心转换单元）；优化策略：生成器集成LoRA微调的语义反射机制（保证语义保真度）和基于PYSHACL验证器的“生成-验证-修正”循环（保证语法正确性）。数据集构建：创建含770个用例的基准数据集，涵盖简单、并行、递归三种结构，基于种子案例+LLM数据增强生成，填补该领域数据空白。实验结果：在语法得分（合规性）和语义得分（意图保真度）上显著优于现有方法（Ontology-Guide