探索自动评估论点质量的任务，通过对 6.3k 个论点进行精细注释，以及 14k 个论点对的高品质论点独立标注，提出基于最近发布的语言模型的神经方法进行论点排序和论点对分类，产生与最先进技术相媲美的结果。

Sep, 2019

本文提出一种计算论证的质量评估方法，通过比较同一主张的不同版本来评定其质量，证明能够有效泛化于不同主题之间。该方法基于大规模样本库及嵌入式逻辑回归和基于 Transformer 的神经网络，并提供数据和脚本以复现结果。

Jan, 2021

本文研究基于 NLP 和大量文本数据得到的自动化 argument mining，评估 argument 质量估计对于不同领域的通用性、与相关 argument mining 任务的相互作用以及情感对于观察到的 argument 强度的影响。作者发现不同领域的训练数据可以提高质量估计的泛化能力，在零样本迁移和多任务实验中，argument quality 在多个方面都能够得到改善，而情感对 argument quality 的影响不如人们普遍认为的那样大。

May, 2022

对有争议问题的论述的计算处理在自然语言处理领域进行了广泛研究，其中论证质量评估是一个关键且具有挑战性的任务。本文提出了利用大型语言模型，通过系统指导其熟悉论证理论和场景以及解决相关问题的方式，以实现更可靠的论证质量评估，同时讨论了由此而产生的现实机遇和道德问题。

Mar, 2024

通过引入一个涵盖辩论中各项任务的论证挖掘数据集，我们评估了多种生成基准模型，并发现虽然它们在个别任务上表现出有希望的结果，但在全部任务上的整体性能明显下降，这对于我们提出的数据集提出了挑战，需要进一步研究端到端的论证挖掘和概括。

Jun, 2024

我们介绍了 OpenDebateEvidence，这是一个从美国竞争辩论社区收集的全面的论点挖掘和总结数据集。该数据集包括超过 350 万个具有丰富元数据的文档，是最大的辩论证据集之一。OpenDebateEvidence 捕捉了高中和大学辩论中论点的复杂性，为训练和评估提供了宝贵的资源。我们的大量实验证明了对最新大型语言模型进行微调以进行论辩抽象总结的有效性，涵盖了各种方法、模型和数据集。通过提供这一全面的资源，我们旨在推动计算论证的发展，并支持辩论者、教育工作者和研究人员的实际应用。OpenDebateEvidence 已公开可用，以支持计算论证的进一步研究和创新。在此访问：this https URL

Jun, 2024

本研究针对计算论证质量 (AQ) 的整体评估展开前期工作，提出了一种基于理论的评估方法，并开发了首个大规模的英文多领域 (AQ 社区问答、辩论、评论) 语料库 GAQCorpus，为之后的工作提供了坚实的基础。

Jun, 2020

提出了一种基于上下文知识的新颖的 SPARK 方法，使用大型语言模型评估和增强语言质量，提供反馈，推断隐藏假设，提供同等质量的论证或反论证，并使用双编码器 Transformer 架构共同考虑原始论证及其增强，实验结果表明，SPARK 在多个指标上始终优于基线。

May, 2023

使用最新的大型语言模型作为论证质量评估的代理者，研究了模型、人类专家和新手评估者之间的一致性，结果表明大型语言模型在大多数质量维度上与人类专家之间具有适度高的一致性，并且使用大型语言模型作为额外的评估者可以显著提高评估者间的一致性，因此提出大型语言模型可以作为自动化论证质量评估的有价值工具，从而加快了大规模论证数据的评估过程。

Apr, 2024

我们提出了 Touché23-ValueEval 数据集，用于识别论据背后的人类价值观，并通过自动化检测方法，从 6 个不同源头的 9324 个论点中收集数据。该数据集相对于之前的数据集表现更好，尽管标签分布使分类难度增加，但更大的数据集可以训练出更好的模型。

Jan, 2023