本论文探讨了公共辩论中的思想流动问题，提出了一种新的跟踪方法，并在牛津辩论赛的案例研究中发现胜者更能利用互动组件来追求对手的观点。

Apr, 2016

本文提出了使用因子图模型来获取在线辩论平台上的论点结构特征，并将这些特征结合到基于 LSTM 的模型中，以预测哪位辩手的论点最有说服力。研究发现，在评估在线辩论中的论点说服力时，结合论点结构特征可以发挥重要作用。

Oct, 2020

本文介绍了一个包含 78,376 次辩论和全面参与者个人资料的数据集，利用该数据集，与通常用于类似研究的语言特征相比，分析了选定用户特征对辩论结果的影响。

Jun, 2019

该研究提出了一种新的神经模型来动态跟踪论证对话中主题和话语变化对说服力的影响，并在社交媒体和最高法院的论证对话上进行了实验验证。实验结果表明该模型能够有效地辨别具有说服力的论证，并发现主题和话语对说服力都有帮助，但优秀的话语风格可能会在社交媒体争议中造成偏见。

Feb, 2020

研究发现在学术研究中，文体对影响力的影响很大，研究使用自然语言处理分析了近 30000 篇学术文章，发现文体词汇可以解释语言对引用的影响率达到 13-27％，而且确认了书写简单性、个人感受和时态视角在其中起到的作用。

Jan, 2022

本文研究政治沟通、总统辩论、媒体报道、二元分类和引用行为，揭示媒体选择哪些政治言论进行报道的因素及对政治人物形象的影响，数据分析发现媒体选择与底层因素不一致，呈现分歧趋势。

Feb, 2018

大型语言模型的对齐方法主要依赖于人工标注数据，但随着模型的不断发展，人类专业知识将不再足够，将由非专家来监督专家。我们研究了一个类似情景，强大模型（专家）拥有回答问题所需的信息，而弱小模型（非专家）缺乏这些信息。我们发现辩论方法对非专家模型和人类都有帮助，相应的准确率分别为 76% 和 88%（与朴素基准分别为 48% 和 60%）。此外，以无监督方式优化专业辩手的说服力可以提高非专家模型在辩论中识别真相的能力。我们的研究结果为在没有绝对真实性的情况下，通过辩论来对齐模型提供了有益的实证证据。

Feb, 2024

本研究提出了一個新的數據集，旨在研究論證時實際情境和語境對論據質量的影響，並提供整合了語境的預測模型，展示其在預測特定論證中所使用的論點對外界的影響時比僅依賴於論點語言特徵的模型更加準確。

Apr, 2020

通过实验测试社交媒体争论对不同人格特质人们看法的影响，揭示出情感论证对责任心、开放性、宜人性高的人更具有说服力。

Aug, 2017

研究 Reddit 上的 ChangeMyView 社区，通过分析交互动态、语言因素等来了解观点转变的机制，发现不同语言的使用对说服力有很大影响，同时也探讨了如何确定某人的观点是否能被改变。

Feb, 2016