AI
KI-Nachrichten

Erkennung gewinnbringender Argumente mit großen Sprachmodellen und Überzeugungsstrategien

Source:arXiv
Originalautor:Tiziano Labruna et al.
Erkennung gewinnbringender Argumente mit großen Sprachmodellen und Überzeugungsstrategien

Von Gemini AI generiertes Bild

Eine neue Studie untersucht Überzeugungsstrategien in argumentativen Texten und nutzt große Sprachmodelle (LLMs), um die Vorhersagen zur Überzeugungskraft von Texten zu verbessern. Durch die Analyse von drei annotierten Datensätzen, darunter Winning Arguments aus dem Change My View-Subreddit, haben die Forscher herausgefunden, dass strategiegesteuertes Denken die Genauigkeit der Bewertungen erheblich steigert. Außerdem wurde eine thematisch annotierte Version des Winning Arguments-Datensatzes veröffentlicht, um zukünftige Forschungen in diesem Bereich zu unterstützen.

Neue Forschung nutzt große Sprachmodelle zur Erkennung überzeugender Argumente

Neueste Studien haben Fortschritte bei der Nutzung großer Sprachmodelle (LLMs) zur Identifizierung überzeugender Strategien in argumentativen Texten aufgezeigt. Diese Forschung konzentriert sich auf spezifische Strategien wie Rufangriffe, Ablenkungstechniken und manipulative Formulierungen.

Die Studie untersucht drei annotierte Argumentdatensätze: Winning Arguments, abgeleitet aus dem Change My View-Subreddit, Anthropic/Persuasion und Persuasion for Good. Die Forscher verwendeten eine Multi-Strategy Persuasion Scoring-Methode, die die Vorhersage der Überzeugungskraft eines Textes verbessert.

Diese Forschung hebt die Wirksamkeit von strukturiertem, strategieorientiertem Prompting hervor und betont die Notwendigkeit einer größeren Interpretierbarkeit bei der Bewertung der Argumentqualität. Das Team hat die thematisch annotierte Version des Winning Arguments-Datensatzes öffentlich zugänglich gemacht, um zukünftige Forschungen zu unterstützen.

Verwandte Themen:

Überzeugungsstrategiengroße SprachmodelleÜberzeugungskraftWinning ArgumentsMulti-Strategy Persuasion Scoring

📰 Originalquelle: https://arxiv.org/abs/2601.10660v1

Alle Rechte und Urheberrechte liegen beim ursprünglichen Herausgeber.

Artikel teilen