SLURG：调查生成合成线上有毛病论述的可行性
计算与语言
2025-04-18 v1
摘要
在本文中，我们探讨了关于谬误的定义以及其在自动检测社交媒体上 Manipulation方面的外推。在特定情况下，我们探讨了这些逻辑谬误如何出现于现实世界中 i.e 互联网论坛。我们发现，围绕乌克兰-俄罗斯冲突的讨论板块存在大量误导性/不导向的意图，这狭窄了我们的任务领域。尽管自动谬误检测最近受到关注，但大多数数据集使用不规范的谬误分类法，或局限于正式语言领域如政治辩论或新闻报道。然而，线上论述往往具有非标准化和多样化的语言，这些语言未被这些领域捕捉。我们提出了Shady Linguistic Utterance Replication-Generation（SLURG），以解决这些限制，探索使用大型语言模型（LLM）生成类论坛风格的合成有毛病评论的可行性，具体为DeepHermes-3-Mistral-24B。我们的发现表明，LLM能够复制真实数据的句法模式，并且高质量的少样本提示能够增强LLM模仿线上论坛词汇多样性的能力。
引用
@article{arxiv.2504.12466,
title = {SLURG: Investigating the Feasibility of Generating Synthetic Online Fallacious Discourse},
author = {Cal Blanco and Gavin Dsouza and Hugo Lin and Chelsey Rush},
journal= {arXiv preprint arXiv:2504.12466},
year = {2025}
}
备注
15 pages, 11 figures