一篇新研究论文探讨了在线对话中的论证结构预测（ASP），比较了各种建模范式和任务架构。该研究系统地评估了不同架构下的监督微调和基于提示的大型语言模型（LLMs），重点关注性能、泛化能力、模式遵从性和效率。研究结果表明，由于论证的隐含性和语境依赖性，识别对话环境中的论证关系是一项重大挑战。研究人员已发布他们的数据处理流程和建模框架，以支持该领域的未来工作。 AI
影响 这项研究可以改进AI系统在对话环境中理解和生成论证的方式。
排序理由 该集群包含一篇学术论文，详细介绍了用于论证结构预测的建模范式的比较研究。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Inference Anchoring Theory
- large language models (LLMs)
- ScienceCast
- Siddharth Bhargava
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
