Jun, 2024

ArguMentor: 提升用户体验与对立观点

PDF
TL;DRArguMentor 设计了一个全套系统，它突出了意见文章中的论点，并利用 LLM 为其生成反驳观点，然后根据当前事件为文章生成基于上下文的摘要。通过额外的功能如问答机器人，辩论和突出触发窗口，该系统进一步增强了用户的交互和理解。我们的调查和结果显示，用户在使用该系统后能够产生更多的反驳观点，并且平均具有更多中立的观点。
opinion piecesconfirmation biasecho chambersargumentorcounterarguments
发现论文，激发创造
  • 走出回音室：检测对抗性辩论言论

    本文研究如何检测能够有效反驳特定论点而非只是特定立场的文章，以解决社交媒体时代如何应对信息封锁和假新闻的问题。针对辩论演讲，给定一个演讲稿，我们的目标是从一组与其立场相反的演讲中找出直接反驳它的演讲。通过研究此问题，我们提供了一个包含 3,685 个数据样本（英文）的数据集，并探讨了几种算法。尽管某些算法表现成功，但都未达到人类专家的水平，这表明此方向存在进一步研究的空间。

    May, 2020

  • 与我简明辩论：走向句级反驳生成

    本研究提出了 ArgTersely 基准和 Arg-LlaMA 模型，使用基于 BERT 的 Arg-Judge 评估器进行了高质量句级反驳生成任务的实验，在与其他基线模型比较中展示了该框架和评估器的竞争力。

    Dec, 2023

  • 促进用户在批判性论证反思中的参与

    为支持公平且无偏见的意见建立过程，我们提出了一种与人类进行审议对话的聊天机器人系统。与说服性系统相反，这个聊天机器人旨在提供多样且代表性的概述 —— 嵌入在与用户的对话中。为了实现对话中用户的反思和无偏见的探索，我们使系统能够在用户过于专注于他们已有意见时进行干预。因此，我们提出了一个估计用户反思参与的模型（RUE），该模型被定义为用户的批判性思维和开放性思维。我们报告了一项涉及 58 名参与者的用户研究，以测试我们的模型和干预机制的影响，讨论结果的影响，并提出未来工作的展望。结果表明，我们提出的方法在用户反思和总体用户关注度方面具有显著效果，证明了该方法的有效性。

    Aug, 2023

  • 审计反火：用证据和风格评估先进的反驳生成

    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

  • 基于结论的对抗性论点生成

    本文研究如何利用多任务学习来生成经过反驳的论点，并提出了一个基于立场分类的排名组件来选择最优的反驳。评估结果表明，该方法比强基线生成的反驳更相关且立场更明确。

    Jan, 2023

  • 解锁多样观点：基于人物角色的多智能体框架及辩论驱动的文本规划技术用于论证生成

    使用基于人物的多智能体框架进行辩论和讨论，以生成多样化且有说服力的论证，进一步改进了当前的语言模型生成表面的符号的问题。

    Jun, 2024

  • 探究自动生成的反事实数据在情感分析中的有效性

    提出了一种自动产生对立数据的方法，基于此数据增广训练集可以有效提高 NLP 模型的性能。

    Jun, 2021

  • 建模在线辩论中用户和语言效应的语料库

    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

  • Cicero：多轮、上下文论证的精确众包

    本文介绍了 Cicero，一个通过在实时同步辩论中让工作者参与多轮、上下文相关的讨论来提高难度任务的众包准确性的新工作流程。相较于现有的讨论系统，我们的工作流程可以显著提高平均个体工作者的准确性，特别是在 Relation Extraction 领域，平均提高了 16.7 个百分点。此外，相较于传统的方法，Cicero 在可能有多个答案的任务中也能良好运作，如在 Codenames 领域中，将准确度从 66.7% 提高到了 98.8%。

    Oct, 2018

  • 利用检索、规划和实现的论点生成

    本文介绍了一个新的框架 CANDELA，用来解决针对特定问题的对抗论证自动生成，它包含了一个强大的检索系统和一个新型的双步骤生成模型，通过索引 1200 万文章并使用自然语言处理，使得自动生成的对抗论证比以往更为适当和丰富。经过自动评估和人工评估，该模型均取得了相比现有技术的更高 BLEU、ROUGE 和 METEOR 语言分数。

    Jun, 2019