RegReAct：用于结构化监管信息提取的自我修正多智能体流水线

从监管文件中提取结构化合规标准仍具挑战，单遍模型易产生幻觉且丢失层级关系。本文提出 RegReAct，一种自我修正的多智能体框架，将提取任务分解为七个专用阶段，每阶段均包含“观察 - 诊断 - 修复”循环以验证并修正输出。该框架构建类型化标准图以确保结构准确，并通过检索和嵌入引用内容解决外部依赖。在欧盟分类法法案上的实验表明，其在结构和语义指标上均优于 GPT-4o 基线。