面向论证性散文的鲁棒理解：通过 TIDE 实现试验与辩论
机器学习
2026-05-19 v1 人工智能
摘要
论证性散文是评估批判性思维和推理技能的重要载体，但目前针对此类文本的准确理解和评估工作有限。本文提出 TIDE，一种新型框架旨在通过集成试验(TrIal)与辩论(DeBate)机制，改进基于准则的提示优化以解决论证相关任务。我们的方法针对基于准则的提示优化的关键局限性进行了改进，通过减轻噪声训练数据的影响并增强优化稳定性。我们在三个核心任务上评估了 TIDE：自动化散文评分、论证成分检测和论证关系识别。结果表明，该框架在各任务上均实现了性能提升。这些发现凸显了结合基于提示的方法用于高级论证理解的潜力。
引用
@article{arxiv.2605.17246,
title = {Fidelity Probes for Specification--Code Alignment},
author = {Ferhat Erata and Hao Zhou and Luke Huan},
journal= {arXiv preprint arXiv:2605.17246},
year = {2026}
}
备注
29 pages, 14 figures, 11 tables