Fugu-MT 論文翻訳(概要): Leveraging Context for Multimodal Fallacy Classification in Political Debates

論文の概要: Leveraging Context for Multimodal Fallacy Classification in Political Debates

arxiv url: http://arxiv.org/abs/2507.15641v1
Date: Mon, 21 Jul 2025 14:03:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-22 20:51:32.432768
Title: Leveraging Context for Multimodal Fallacy Classification in Political Debates
Title（参考訳）: 政治的議論におけるマルチモーダルな誤り分類の活用
Authors: Alessio Pittiglio,
Abstract要約: 我々はMM-Argacy2025共有タスクを提出し、マルチモーダルな議論マイニングの研究を進めることを目的としている。提案手法では,事前学習したTransformerベースのモデルを用いて,コンテキストを活用するいくつかの方法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present our submission to the MM-ArgFallacy2025 shared task, which aims to advance research in multimodal argument mining, focusing on logical fallacies in political debates. Our approach uses pretrained Transformer-based models and proposes several ways to leverage context. In the fallacy classification subtask, our models achieved macro F1-scores of 0.4444 (text), 0.3559 (audio), and 0.4403 (multimodal). Our multimodal model showed performance comparable to the text-only model, suggesting potential for improvements.
Abstract（参考訳）: 本稿では,MM-ArgFallacy2025共有タスクについて,政治的議論における論理的誤りに着目し,多モーダルな議論マイニングの研究を進めることを目的とした提案を行う。提案手法では,事前学習したTransformerベースのモデルを用いて,コンテキストを活用するいくつかの方法を提案する。誤分類では0.4444(テキスト),0.3559(オーディオ),0.4403(マルチモーダル)のマクロF1スコアを得た。我々のマルチモーダルモデルはテキストのみのモデルに匹敵する性能を示し、改善の可能性を示した。

関連論文リスト

Large Language Models Are Better Logical Fallacy Reasoners with Counterargument, Explanation, and Goal-Aware Prompt Formulation [2.4073494101588273]
本研究は,論理的誤り検出のための新規かつ効果的な高速な定式化手法を提案する。提案手法は暗黙の文脈情報を含む入力テキストを豊かにすることで,議論の文脈内での妥当性を問う。 5つのドメインから複数のデータセットにまたがるアプローチを評価する。
論文参考訳（メタデータ） (2025-03-30T08:41:09Z)
Unified Generative and Discriminative Training for Multi-modal Large Language Models [88.84491005030316]
生成的トレーニングにより、視覚言語モデル(VLM)は様々な複雑なタスクに取り組むことができる。 CLIPのようなモデルで実証された差別的トレーニングは、ゼロショットイメージテキストの分類と検索に優れています。本稿では,両パラダイムの強みを統合する統一的アプローチを提案する。
論文参考訳（メタデータ） (2024-11-01T01:51:31Z)
Conditional Language Policy: A General Framework for Steerable Multi-Objective Finetuning [72.46388818127105]
Conditional Language Policy (CLP) は、複数の目的に対して言語モデルを微調整するためのフレームワークである。 CLPは、推論時に競合する目的を効果的にトレードオフするステアブルモデルを学ぶ。
論文参考訳（メタデータ） (2024-07-22T16:13:38Z)
MetaKP: On-Demand Keyphrase Generation [52.48698290354449]
オンデマンドのキーフレーズ生成は,特定のハイレベルな目標や意図に従うキーフレーズを必要とする新しいパラダイムである。そこで我々は,4つのデータセット,7500のドキュメント,3760の目標からなる大規模ベンチマークであるMetaKPを紹介した。ソーシャルメディアからの流行事象検出に応用して,一般のNLP基盤として機能する可能性を示す。
論文参考訳（メタデータ） (2024-06-28T19:02:59Z)
MT-Eval: A Multi-Turn Capabilities Evaluation Benchmark for Large Language Models [70.92847554971065]
MT-Evalは,マルチターン対話能力を評価するための総合的なベンチマークである。人間のLLM会話を解析することにより,インタラクションパターンを,再現,拡張,洗練,フォローアップの4つのタイプに分類する。 11個の有名なLCMを評価したところ、クローズドソースモデルは一般的にオープンソースモデルを上回るが、特定のタスクにおいて特定のオープンソースモデルの方がGPT-3.5-Turboを上回っていることがわかった。
論文参考訳（メタデータ） (2024-01-30T04:50:28Z)
Combating Adversarial Attacks with Multi-Agent Debate [4.450536872346658]
我々は、現在の最先端言語モデル間のマルチエージェントの議論を実施し、レッドチームアタックに対するモデルの感受性を評価する。マルチエージェントの議論は、ジェイルブレイクや能力の低いモデルが非ジェイルブレイクやより有能なモデルで議論せざるを得ない場合、モデルの毒性を低下させる可能性がある。
論文参考訳（メタデータ） (2024-01-11T15:57:38Z)
Large Language Models are Few-Shot Training Example Generators: A Case Study in Fallacy Recognition [49.38757847011105]
計算誤認識は、さまざまなジャンル、ドメイン、データセットに見られる誤認識のタイプによって、課題に直面します。我々は、追加の文脈を取り入れ、大規模な言語モデルを活用して合成データを生成することによって、誤認識のための既存のモデルを強化することを目指している。評価結果は、誤検出タイプ、データセット、ジェネレータ間で一貫した改善を示す。
論文参考訳（メタデータ） (2023-11-16T04:17:47Z)
Argumentative Stance Prediction: An Exploratory Study on Multimodality and Few-Shot Learning [0.0]
ツイートにおける姿勢予測のための画像の必要性を評価する。私たちの研究は、微調整されたテキストベースの言語モデルの統合を示唆している。その結果,画像内容が自然言語として要約される場合には,マルチモーダルモデルの性能が向上することが示唆された。
論文参考訳（メタデータ） (2023-10-11T00:18:29Z)
Multimodal Chain-of-Thought Reasoning in Language Models [94.70184390935661]
言語(テキスト)と視覚(画像)のモダリティを2段階のフレームワークに組み込んだマルチモーダルCoTを提案する。その結果,ScienceQA と A-OKVQA のベンチマークは,提案手法の有効性を示した。
論文参考訳（メタデータ） (2023-02-02T07:51:19Z)
Robustness of Fusion-based Multimodal Classifiers to Cross-Modal Content Dilutions [27.983902791798965]
画像と既存のテキストとの関連性やトピックのコヒーレンスを維持する希釈テキストを生成するモデルを開発する。その結果,タスク固有の融合型マルチモーダル分類器の性能はそれぞれ23.3%,22.5%低下することがわかった。我々の研究は、深いマルチモーダルモデルの現実的な変動に対する堅牢性について、さらなる研究をハイライトし、奨励することを目的としている。
論文参考訳（メタデータ） (2022-11-04T17:58:02Z)
Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文参考訳（メタデータ） (2022-10-28T14:38:50Z)
AMPERSAND: Argument Mining for PERSuAsive oNline Discussions [41.06165177604387]
本稿では,オンライン議論フォーラムにおける議論マイニングのための計算モデルを提案する。我々のアプローチは、議論スレッド内の引数のコンポーネント間の関係を識別することに依存します。我々のモデルは最近の最先端のアプローチと比較して大幅に改善されている。
論文参考訳（メタデータ） (2020-04-30T10:33:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。