InspireDebate：基于主客观评估引导的多维争辩推理与优化
计算与语言
2025-06-24 v1
摘要
随着大型语言模型（LLM）的快速发展，争辩任务（如论证质量评估和争辩过程模拟）取得了显著进展。然而，现有基于LLM的争辩系统关注针对特定论点作出回应，忽略了诸如真实性和逻辑有效性等客观评估。此外，这些系统缺乏一种结构化方法来优化跨多个维度（包括评估指标、链式思维（CoT）推理和多轮争辩细化）的优化，从而限制了其效果。为解决这些相互关联的挑战，我们提出了一个双组件框架：（1），一种新型评估系统，通过构建包含四个主观准则（情感吸引力、论证清晰度、论证结构和主题相关性）以及两个客观指标（事实真实性和逻辑有效性）的多维评估架构；以及（2），一种通过CoT推理增强、多维直接偏好优化（DPO）和通过基于Web的检索增强生成（Web-RAG）实现实时知识 grounding 的分阶段优化争辩框架。经验评估表明， 与专家判断的相关性提高了44%，而 显示出显著的改进，相较于基线模型超过57%。源代码可在 https://github.com/fywang12/InspireDebate 获取。
引用
@article{arxiv.2506.18102,
title = {InspireDebate: Multi-Dimensional Subjective-Objective Evaluation-Guided Reasoning and Optimization for Debating},
author = {Fuyu Wang and Jiangtong Li and Kun Zhu and Changjun Jiang},
journal= {arXiv preprint arXiv:2506.18102},
year = {2025}
}
备注
20 pages; Accepted to ACL 2025 Main