利用大型语言模型和说服策略检测获胜论点
计算与语言
2026-01-16 v1
摘要
在论证性文本中检测说服力是一项具有挑战性的任务，对于理解人类交流具有重要意义。本工作研究了说服策略——例如攻击声誉、分散注意力和操纵性措辞——在决定文本说服力中的作用。我们在三个带注释的论证数据集上进行了实验：Winning Arguments（来自 Change My View 子论坛）、Anthropic/Persuasion 和 Persuasion for Good。我们的方法利用大型语言模型 (LLM) 采用多策略说服评分方法，该方法引导对六种说服策略进行推理。结果表明，策略引导的推理改进了说服力的预测。为了更好地理解内容的影响，我们将 Winning Argument 数据集组织成广泛的讨论主题，并分析跨主题的性能。我们公开发布了该数据集的此主题注释版本，以促进未来的研究。总体而言，我们的方法证明了结构化、策略感知的提示在增强论证质量评估的可解释性和鲁棒性方面的价值。
引用
@article{arxiv.2601.10660,
title = {Detecting Winning Arguments with Large Language Models and Persuasion Strategies},
author = {Tiziano Labruna and Arkadiusz Modzelewski and Giorgio Satta and Giovanni Da San Martino},
journal= {arXiv preprint arXiv:2601.10660},
year = {2026}
}