본 논문은 전문 영역 문서 이해에 중요한 제로샷 이벤트 감지(Zero-shot Event Detection, ED) 문제를 해결하기 위해 DiCoRe라는 새로운 프레임워크를 제안한다. DiCoRe는 이벤트 온톨로지의 복잡성, 도메인 특정 트리거 추출, 적절한 구조화 등의 어려움을 극복하기 위해 Dreamer와 Grounder라는 두 가지 모듈을 활용하는 발산-수렴 추론 방식을 채택한다. Dreamer는 개방형 이벤트 발견을 통해 발산적 추론을 장려하여 이벤트 범위를 확장하고, Grounder는 유한 상태 기계 기반 제약 디코딩을 사용하여 자유 형식 예측을 특정 작업 지침과 정렬하여 수렴적 추론을 수행한다. 마지막으로 LLM-Judge가 최종 출력의 정확도를 검증한다. 여섯 개의 데이터셋과 다섯 개의 도메인, 아홉 개의 LLM에 대한 광범위한 실험을 통해 DiCoRe가 기존의 제로샷, 전이 학습 및 추론 기반 방법들을 능가하며, 최고 기준 모델 대비 평균 F1 점수를 4-7% 향상시킨다는 것을 보여준다.
