在恰当的水平发声：基于RAG-RL的读写能力可控的反驳言论生成
计算与语言
2026-04-03 v3 人工智能
摘要
在线传播的健康错误信息对公共卫生构成重大威胁。研究人员已探索自动生成针对健康错误信息的反驳言论作为缓解策略的方法。现有方法通常产生统一的回应，忽略了受众的健康素养水平可能影响反驳言论的可及性和有效性。我们提出一个受控素养框架，使用检索增强生成（RAG）与强化学习（RL）来生成适应不同健康素养水平的定制化反驳言论。具体而言，我们检索与特定健康素养水平对齐的知识，从而提供可及且事实性的信息来支持生成。我们设计了一个奖励函数，结合了主观用户偏好和基于客观可读性的奖励，以优化反驳言论达到目标健康素养水平。实验结果表明，受控素养框架通过生成更易理解且用户偏好的反驳言论，优于基线方法。这项研究通过提高反驳健康错误信息言论的可及性和理解度，为更公平且更有影响力的公共卫生传播做出了贡献。
引用
@article{arxiv.2509.01058,
title = {Speaking at the Right Level: Literacy-Controlled Counterspeech Generation with RAG-RL},
author = {Xiaoying Song and Anirban Saha Anik and Dibakar Barua and Pengcheng Luo and Junhua Ding and Lingzi Hong},
journal= {arXiv preprint arXiv:2509.01058},
year = {2026}
}
备注
Accepted at Findings of EMNLP 2025