debate | BriefGPT - AI 论文速递

关键词debate

搜索结果 - 11

LLMs 是否能代表不同群体？通过辩论调整 LLMs 以生成可控的争议性陈述
通过对抗式辩论生成支持用户定义论点的语句，我们改善了 LLMs 的可控性，扩展了其表达多样性的能力，从而使 LLMs 生成支持有争议的论点的高质量语句。
PDF5 months ago
与更具说服力的 LLMs 辩论会导致更真实的回答
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
PDF5 months ago
通过遗憾最小化进行 AI 安全的辩论
考虑使用辩论作为 AI 安全问题的重复博弈，研究在该情境下当玩家是 AI 或人类，且拥有超级 AI 计算能力时的高效后悔最小化问题，进一步阐述了达到相关均衡的策略序列的条件。
PDF7 months ago
辩论有助于监督不可靠的专家
辩论通过两个不可靠专家的辩论，帮助非专家更可靠地辨别真相，相较于仅由一个专家提供答案的顾问咨询方法在提高了效率的同时，能够显著提升评判的准确性，为监督日益强大但潜在不可靠的 AI 系统提供了有希望的方法。
PDF8 months ago
大型语言模型：当前辩论的细腻需求和实用角度下的理解
当前大型语言模型（LLMs）在生成符合语法、流畅的文本方面无与伦比。这篇论文针对 LLMs 的能力进行了辩论，并通过批判性评估三个经常在批评中出现的观点来展示 LLMs 仍需更多细化。其次，文章从实证和理论的角度提出了对 LLMs 中 “真
PDF8 months ago
两轮辩论无助于人类回答难度较高的阅读理解问题
本文研究采用竞争型答案选项辩论的形式帮助人类答题，并考察了增加反驳环节是否对人类有帮助。结果显示，在阅读理解问题的场景下，辩论并不是一种有效的帮助方式。
PDF2 years ago
EMNLPProject Debater APIs: AI 大挑战的分解
2019 年发布的人工智能系统 Project Debater 能够就复杂主题与人类专家进行辩论，其核心 NLP 服务、论点挖掘分析能力和重要内容摘要等 API 具备良好的性能，其中 Key Point Analysis 更是一项新技术，能
PDF3 years ago
AAAI人工智能辩论中真相何时受青睐？
研究人员提出在 AI 解决方案无法得到准确判断的问题中，可通过两个 AI 系统之间的辩论来增强人类法官的问题解决能力，并介绍了一个可建模此类辩论的数学框架，并将辩论设计的质量测量为最有力回答的准确性。
PDF5 years ago
ACL名字叫法之前：网络争论中人身攻击谬误的动态和触发因素
本文基于大规模标注及语言学分析，运用控制变量法和可解释的神经网络体系结构，研究推托攻击的类型和潜在原因。
PDF6 years ago
机器学习中 “公平” 的权威性
本文主张机器学习社群采用一个规范的公正定义，并以此为基础回顾当今公平机器学习的现有文献，提出了吸纳更广泛社群并就决定何为公平展开更多辩论的建议。
PDF7 years ago
ACL胜因显著：内容和风格在辩论结果中的联合影响
本文提出了一个预测性辩论模型，该模型结合了语言学特征和潜在的说服力强度因素，成功预测评审委员会评定的辩手胜负，其中，获胜方使用了更加有力的论据。
PDF7 years ago