論文の概要: It Matters How You Say It: Exploring Rhetorical Patterns for AI-Assisted Information Evaluation

• arxiv url: http://arxiv.org/abs/2607.17627v1
• Date: Mon, 20 Jul 2026 07:36:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.536475
• Title: It Matters How You Say It: Exploring Rhetorical Patterns for AI-Assisted Information Evaluation
• Title（参考訳）: AIによる情報評価のためのレトリックパターンの探索
• Abstract要約: 本研究では,熟考を誘発する8つの修辞パターンについて検討する。 その結果,Scaffold Explanationは高い精度向上に結びついていることが判明した。 様々な修辞スタイルの会話エージェントを設計することの意味について論じる。
• 参考スコア（独自算出の注目度）: 37.970286982681344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prior work on AI-assisted information evaluation has largely focused on what AI systems communicate, comparing explanation types and formats, with responses predominantly cast in directive rhetoric where the system delivers a verdict and the user passively accepts it. While debate-style interactions have recently shown promise in prompting critical evaluation over deference, the rhetorical patterns that structure AI responses and how they might induce reflection, uncertainty, or independent reasoning remain largely unexamined. To address this, we investigated eight rhetorical patterns known to induce contemplation: Intentional Misleading, Interpretive Alternative, Scaffold Explanation, Triggering Distrust, Information Distortion, Alternative Framing, Socratic Questioning, and an Oracle baseline. Through a within-subject study with n=98 participants on a hint-on-demand fact verification task, we observed preliminary evidence that Scaffold Explanation were associated with the highest accuracy gains, and encouraging deeper reflection. Surprisingly, the adversarial conditions also improved accuracy modestly. Participants preferred Alternative Framing most and Interpretive Alternative least, largely due to the latter's perceived time cost. We discuss the implications of designing conversational agents with varied rhetorical styles and the trade-offs among user performance, satisfaction, and contemplation.
• Abstract（参考訳）: AIによる情報評価に関する以前の研究は、AIシステムがどのようなコミュニケーションを行うかに重点を置いており、説明タイプとフォーマットを比較している。 議論スタイルのインタラクションは、最近、推論よりも批判的な評価を促すという約束を示しているが、AIの反応を構造化する修辞的なパターンと、それがどのようにリフレクション、不確実性、あるいは独立した推論を誘発するかは、ほとんど検討されていないままである。 そこで本研究では,意図的誤解,解釈的代替,スキャッフルド説明,不信のトリガリング,情報歪曲,代替フレーム,ソクラティック質問,Oracleベースラインの8つのレトリックパターンを調査した。 著者らは,n=98人の被験者を対象に,Scaffold Explanationが最高の精度向上に結びついているという予備的証拠を観察し,深い反省を促した。 驚いたことに、敵の条件も適度に精度を向上した。 参加者は、最も楽観的で解釈的なオルタナティブを好んだが、これは主に後者の時間的コストが原因であった。 本稿では,ユーザのパフォーマンス,満足度,熟考のトレードオフと,様々な修辞スタイルで会話エージェントを設計することの意味について論じる。

関連論文リスト

• One More Turn, Less Regret: A Regret-Based Multi-Turn Benchmark for LLMs' Clarification Policies [49.067670811577045]
  本稿では,孤立した質問品質ではなく,政策行動として明確化を評価するベンチマークであるRegretBenchを紹介する。 RegretBenchは、意図的な解決、相互作用コスト、非効率な明確化、後悔を計測する。 以上の結果から,有効な明確化には有望な質問以上のものが必要であることが示唆された。
  論文  参考訳（メタデータ） (2026-07-23T10:22:11Z)
• DRInQ: Evaluating Conversational Implicature with Controlled Context Variation [24.87053225680957]
  質問文における会話不規則に関する現実的推論を評価するためのベンチマークであるDRinQを紹介する。 本稿では,体系的変動を伴う質問文解釈インスタンスを生成する半自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-22T22:39:32Z)
• Voice-based debate with an AI adversary is associated with increased divergent ideation [0.0]
  生成的AIとの相互作用が人間の認知を均質化するという懸念は、主にテキストベースの相互作用の証拠に基づいている。 本研究では,これらのパターンがAI自体よりもコミュニケーションモダリティに依存しているかどうかを検討する。
  論文  参考訳（メタデータ） (2026-03-28T01:23:38Z)
• RASPRef: Retrieval-Augmented Self-Supervised Prompt Refinement for Large Reasoning Models [0.0]
  本稿では,人間のアノテーションやタスク固有の監督を必要とせず,プロンプトを改善するフレームワークであるRetrieval-Augmented Self-Supervised Prompt Refinement (RASPRef)を紹介する。 RASPRefは、プロンプトを最適化ターゲットとして直接扱い、反復的な検索誘導処理により改善する。
  論文  参考訳（メタデータ） (2026-03-27T21:49:21Z)
• When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
  私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。 BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。 我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
  論文  参考訳（メタデータ） (2026-03-20T14:46:59Z)
• ICPO: Illocution-Calibrated Policy Optimization for Multi-Turn Conversation [21.69212076688903]
  マルチターン会話におけるLarge Language Models (LLM) は、しばしば会話中に失われる現象に悩まされる。 Reinforcement Learning with Verifiable Rewards (RLVR)のような標準のポストトレーニング技術がこの問題を悪化させることに気付きました。 Illocution-Calibrated Policy Optimization (ICPO) を提案する。
  論文  参考訳（メタデータ） (2026-01-20T04:39:28Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• Coreference-Aware Dialogue Summarization [24.986030179701405]
  ニューラルネットワークの抽象的対話要約モデルにおいて,コア参照情報を明示的に組み込む手法について検討する。 実験結果から,提案手法は最先端性能を実現することが示された。 事実的正当性の評価結果から,このようなコア参照認識モデルの方が,インターロケータ間の情報フローの追跡に優れていることが示唆された。
  論文  参考訳（メタデータ） (2021-06-16T05:18:50Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。