自然言語テキストから複雑な推論を形式化することは、計算言語学における中心的な課題です。これは単なるキーワード抽出ではなく、テキストに埋め込まれた文脈と複雑な推論を理解することが必要とされます。従来の議論マイニング（AM）技術は基本的な主張と前提を識別できますが、より高度なスキーマ、特にCarneades議論フレームワーク（CAF）が要求する前提の種類、証明基準、議論スキームといった豊かな構造情報をキャプチャすることに苦戦してきました。 このような限界に対処するため、研究チームはCAF-Genという自動マルチエージェントフレームワークを開発しました。浅い議論構造をCAF準拠の議論モデルへと段階的に拡張するシステムです。反復的なCreator-Reviewerパイプラインを採用することで、作成エージェントの出力は批評的エージェントによって検証され、構造的完全性が確保されます。このマルチエージェント協調作業は、単一パスの生成モデルに典型的な構造的不安定性を軽減するために重要です。 実験結果によると、反復的なフィードバックループは生成されるデータの品質を向上させ、元の注釈との強い一致を達成しながら、構造的により豊かなモデルを生成することが示されました。この研究知見は、マルチエージェントシステムが単一パス生成の限界を克服し、形式的な議論の自動モデル化のための堅牢な方法論を提供できることを実証しています。