提示、条件与生成：基于上下文学习的无支撑主张分类
计算与语言
2023-09-20 v1
摘要
我们在日常生活中遇到的无支撑且不可证伪的主张会影响我们对世界的看法。然而，刻画、总结并更一般地理解此类主张可能具有挑战性。本工作中，我们聚焦于细粒度辩论话题，并构建了一项新任务：从此类主张中提炼出可计数的叙事集合。我们呈现了一个众包数据集，涵盖12个争议话题，包含来自异构来源的超过12万条论点、主张与评论，每条均标注了叙事标签。我们进一步探究如何利用大语言模型（LLM）通过上下文学习来合成主张。我们发现，带有支撑证据的生成主张可用于提升叙事分类模型的性能，并且同一模型可利用少量训练样本推断立场与方面。此类模型在依赖叙事的应用（例如事实核查）中可发挥作用。
引用
@article{arxiv.2309.10359,
title = {Prompt, Condition, and Generate: Classification of Unsupported Claims with In-Context Learning},
author = {Peter Ebert Christensen and Srishti Yadav and Serge Belongie},
journal= {arXiv preprint arXiv:2309.10359},
year = {2023}
}