ClaimFlow：追踪 NLP 领域科学论述的演化
计算与语言
2026-03-18 v1
摘要
科学论文不仅报告结果，更是推进后续工作所支持的论述。然而，现有的引用和论述分析方法仅捕获这场对话的片段。本文在论述层面明确这些交互作用。我们引入 ，这是一套基于 NLP 文献的论述中心视角，由 304 篇 ACL Anthology 论文（1979-2025）构建，涉及 1084 条论述和 832 条跨论文论述关系，指示 citing 论文是「支持」、「延伸」、「限定」、「反驳」还是以「背景」方式引用某条论述。使用 ，我们定义了一个新任务——「论述关系分类」——需要模型从文本和引用语境中推断被引用论述的科学立场。对强大的神经网络模型和大型语言模型进行评估，我们报告了 0.78 的宏平均 F1 分数，表明论述关系分类是可行的但具有挑战性。我们进一步将模型应用于约 13000 篇 NLP 论文，分析论述在数十年 NLP 研究中的演化。我们的分析显示 63.5% 的论述从未被重用；只有 11.1% 被质疑；而广泛传播的论述更倾向于通过限定和延伸被「重塑」，而非直接确认或反驳。总体而言， 为检视想法在 NLP 中如何演变提供了视角，并为评估模型是否能解释科学论证提供了基础。
引用
@article{arxiv.2603.16073,
title = {ClaimFlow: Tracing the Evolution of Scientific Claims in NLP},
author = {Aniket Pramanick and Yufang Hou and Saif M. Mohammad and Iryna Gurevych},
journal= {arXiv preprint arXiv:2603.16073},
year = {2026}
}