English(EN) Evaluating the Capabilities of LLMs for Persuasive Dialogue

研究：大型语言模型听起来有说服力，但在对话中论证不佳

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

一项发表在arXiv上的新研究介绍了一个名为Persuasio的平台，该平台旨在评估大型语言模型（LLMs）的说服性对话能力。研究人员围绕一个英国政治话题生成了192场辩论，让真人与大型语言模型进行对抗。研究结果表明，大型语言模型被感知的说服力与其真实的论证能力之间存在显著差距，尽管大型语言模型在主观排名中占主导地位，但在正式裁决中真人仍然具有竞争力。 AI

影响突显了大型语言模型的流畅表达与其逻辑推理之间可能存在的脱节，表明当前模型在正式论证方面的能力可能不如它们看起来那么强。

排序理由发表在arXiv上的研究论文，详细介绍了一种评估大型语言模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 29 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的研究论文，详细介绍了一种评估大型语言模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jordan Robinson, Angus R. Williams, Katie Atkinson, Anthony G. Cohn · 2026-09-01 04:00

评估LLMs在说服性对话中的能力

arXiv:2608.29738v1 Announce Type: new Abstract: Large language models (LLMs) can generate apparently highly persuasive text, but does sounding persuasive mean arguing well? We introduce \textsc{Persuasio}, a multi-agent dialogue platform grounded in a formal argumentation-based t…

本文如何被排名

报道来源 [1]

评估LLMs在说服性对话中的能力

相关实体

相关话题