本文介绍了通过自动检测审稿人提出的论点和类型来研究同行评审过程的内容和结构，从而评估其效率和功效。作者首先收集了来自机器学习和自然语言处理领域的 14.2K 份审稿意见，并对其中的 400 份进行了注释，最终得出了一些结论并提出了未来新的挑战。

Mar, 2019

本文提出了一种新颖的方法来通过形式约束来识别谬误，引入了主题方面的论证模型，以对话语论证模型进行深层语义分析，可以看到声称是语言修辞攻击的攻击是否真的存在，并证明了这些形式化约束的结果。

May, 2022

本文提供了一种新颖的注释方法，以捕获德语商业模型学生写作的有关论点和前提以及它们之间的关系，并通过 50 篇说服性文章上的标注研究来评估我们的注释方案，呈现了我们的免费语料库以及指南，以鼓励未来针对学生的论述写作支撑系统的设计和开发的研究。

Oct, 2020

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

我们提出了一个辩论战术的框架，用于统一争议的各种方面，并注释了来自维基百科讨论页面的 213 个争议，使用变压器模型是预测争议战术的最佳选择。

Dec, 2022

本文介绍了一种用于应对较长的论述文本的关键回应生成方法，并在听力理解任务中实验证明了其可行性。研究数据可供自由使用。

Sep, 2019

本研究利用语言模型进行论点生成，实现针对特定话题、立场和方面的句子级别论点生成，定义论点方面检测作为必要方法，通过数据增强和生成反证来提高立场检测模型的性能。

Apr, 2020

通过辩论动态理论提出了一种自动推理知识图谱的新方法，以三段式分类为例，该方法基于增强学习代理和二进制分类器解释和预测关于知识图谱中观点真实性的辩论证据，从而可用于知识图谱的推理和链接预测，实验表明该方法优于其他基线模型。

Jan, 2020

本研究通过对 ACL-2018 会议的 4000 余个论文的评论和 1200 余个作者回复的语料库的定量和定性分析以及针对构成论文弱点给出的试点研究和关于作者回复质量的定量和定性评估，重点放在了反驳阶段的角色以及从初审回复和作者回复中预测最终评分的新任务上，研究结果发现虽然作者回复会对最终评分产生一定的影响，但评审人的最终评分往往取决于他们的初审评分和与其他评审人初审评分之间的距离，而这种从众心理一直是同行评议中存在的偏见，但这个偏见在以前的研究中被忽视了。

Mar, 2019

我们提出了一个新颖的数据集，用于控制组成反驳论点，旨在进一步应用于论证的改进、挖掘和评估。

Feb, 2024