该论文是 Online Handbook of Argumentation for AI 的第三卷，主要阐述了论证的形式理论、计算模型以及其在人工智能领域中应用，旨在为论证研究人员提供开放访问和策划出版物。

Dec, 2022

本文报告了第二届国际计算论证模型比赛的设计和结果，其中包括三种额外的显著语义和一个用于根据实证难度分类实例的实例选择阶段。

Sep, 2019

本文介绍了一个新颖的框架，使用归纳逻辑编程方法来以可解释的方式学习几个抽象和结构化的论证框架的可接受语义。通过实证评估，我们证明了我们的框架胜过现有的论证求解器，从而在形式论证和人机对话领域开启了新的未来研究方向。

Oct, 2023

DR-HAI 框架是用于增强人工智能交互的一种基于论证的新型框架，具有多发性协调范式，并不预设人类用户的模型，实现了可交互式协调，以解决解释者和被解释者之间的知识差异。研究结果表明 DR-HAI 是促进有效人机交互的一种有前途的方法。

Jun, 2023

本文提出了一种神经架构模型，用于模拟辩论对话中持有者的观点和挑战者的论点之间的相互作用，以预测是否成功改变观点。通过 Reddit 上的 Change My View 论坛上的讨论，本文的模型通过演示其两个组成部分：显式表示可挫败区域的注意力检测器和识别观点和挑战者的论点之间关系的交互编码器，在预测中胜过了几个基线，并建议评估成功和不成功的论点的句子。

Mar, 2018

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

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

该研究综述论述了基于计算论证的聊天机器人，在比较标准聊天机器人的优缺点的基础上，展望了其可能的未来发展和与基于 Transformer 架构和最先进的大型语言模型的整合。

Jan, 2024

本研究提出了一种新的任务，即通过重新编写具有说服力的论证描述来优化其传递方式，并使用序列到序列模型和上下文信息生成了候选的最优论证描述来改善传递，该方法在英语语料库上的自动和人工评估中胜过了其他重新排序基线，并且能够很好地推广到其他文本领域。

Dec, 2022

本研究探讨了如何在法律智能领域中，使用结构化论证框架和 DL 本体论实现推理，并提供了对推理结果解释的正式定义。同时，以自动驾驶汽车设计为例，证明了该理论可以处理基于不一致本体的推理问题。

Sep, 2022