基于角色注入协作式LLM智能体的立场检测

立场检测自动识别文本中针对某一目标的立场，对网络和社交媒体研究中的内容分析至关重要。尽管LLM具有令人瞩目的能力，但直接应用于立场检测时仍面临挑战。首先，立场检测需要多方面的知识，从解读事件相关术语到理解社交媒体平台上的表达风格。其次，立场检测需要高级推理以推断作者的隐含观点，因为立场往往微妙地嵌入文本中而非直白陈述。为应对这些挑战，我们设计了一个三阶段框架COLA（即Collaborative rOle-infused LLM-based Agents的缩写），其中LLM被赋予不同角色，形成一个各角色独特贡献的协作系统。最初，在多维度文本分析阶段，我们将LLM配置为语言专家、领域专家和新媒体老手，以获得文本的多方面分析，从而克服第一个挑战。接下来，在推理增强辩论阶段，对于每个潜在立场，我们指定一个特定的基于LLM的智能体为其辩护，引导LLM检测文本特征与立场之间的逻辑联系，解决第二个挑战。最后，在立场结论阶段，最终决策者智能体整合先前的见解以确定立场。我们的方法无需额外标注数据和模型训练，且具有高度可用性。我们在多个数据集上取得了最先进的性能。消融研究验证了每个设计角色在处理立场检测中的有效性。进一步实验展示了我们方法的可解释性和通用性。我们的方法在可用性、准确性、有效性、可解释性和通用性方面表现优异，凸显了其价值。