超越真与假：基于检索增强的层次化细化论断分析

个人或实体所作的主张往往是细化的，无法明确标记为完全"真"或"假"——这在科学和政治主张中常见。然而，一个主张（例如"疫苗 A 优于疫苗 B"）可以被细分为其组成方面和子方面（例如疗效、安全性、分配），这些方面 individually 更容易被验证。这使得能够提供更全面的、结构化的响应，同时允许读者在兴趣方面内优先考虑特定角度（例如儿童的安全性）。因此，我们提出了 ClaimSpect，这是一个基于检索增强生成的框架，用于自动构建论断时通常考虑的方面层次结构，并通过语料库特定视角丰富这些方面。这一结构层次化地将输入语料库划分为检索相关片段，以帮助发现新的子方面。此外，这些片段使我们能够发现对论断某个方面的各种视角（例如支持、中性或反对）及其相应的流行程度（例如"多少 biomedical 论文认为疫苗 A 比 B 更易输送？"）。我们将 ClaimSpect 应用于我们构建的数据集中出现的各种真实世界科学和政治主张，展示了其在解构细化主张和代表语料库中视角方面的鲁棒性和准确性。通过真实案例研究和人类评估，我们验证了其在多个基准方法中的有效性。