Fugu-MT 論文翻訳(概要): PTCG: Persona-guided Tree-based Counterargument Generation

論文の概要: PTCG: Persona-guided Tree-based Counterargument Generation

arxiv url: http://arxiv.org/abs/2609.07120v1
Date: Mon, 07 Sep 2026 07:04:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-12 01:29:33.820599
Title: PTCG: Persona-guided Tree-based Counterargument Generation
Title（参考訳）: PTCG:Persona-Guided Tree-based Countergument Generation
Abstract要約: Persona-guided Tree-based Counterargument Generation (PTCG)は、Tree-of-Thoughtsにインスパイアされたステップワイズ生成とスピーカーペルソナ選択を組み合わせたフレームワークである。 PTCGは, 基準法と比較して, 多様性と説得性の両方において一貫した改善が見られた。
参考スコア（独自算出の注目度）: 26.21869146740197
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The ability to generate counterarguments is important for critical thinking and balanced discourse, yet existing approaches typically produce only a single counterargument, failing to capture the diversity and persuasiveness required in real-world debates. To address this limitation, we propose Persona-guided Tree-based Counterargument Generation (PTCG), a framework that combines Tree-of-Thoughts-inspired step-wise generation and pruning with speaker persona selection. By estimating the author's persona from the original argument and incorporating speaker personas representing distinct perspectives, PTCG operationalizes perspective-taking and enables the generation of diverse counterarguments. Results from LLM-as-a-Judge, classifier-based assessment, and human evaluations indicate that PTCG shows consistent improvements in both the diversity and persuasiveness of counterarguments compared to baseline methods.
Abstract（参考訳）: 反論を生成する能力は批判的思考とバランスの取れた談話にとって重要であるが、既存のアプローチは一般的に1つの反論しか生み出さず、現実世界の議論で必要とされる多様性と説得力の獲得に失敗している。この制限に対処するため,Persona-guided Tree-based Counterargument Generation (PTCG)を提案する。著者のペルソナを元の議論から推定し、異なる視点を表現した話者ペルソナを組み込むことで、PTCGは視点決定を運用し、多様な反論を生み出すことができる。 LLM-as-a-Judge, 分類器に基づく評価, および人的評価の結果, PTCGは, 基準法と比較して, 逆論の多様性と説得性の両方において一貫した改善を示した。

関連論文リスト

PERSPECTRA: A Scalable and Configurable Pluralist Benchmark of Perspectives from Arguments [16.8677147128948]
PERSPECTRAは、モデルが複数の視点をいかにうまく表現し、区別し、推論するかを評価するための複数のベンチマークである。議論の的になっているトピック100件について、762件のプロ/コンスタンスにまたがる3,810件のリッチな議論を構築した。各意見は複数の自然主義的変種に拡張され、多元論の堅牢な評価を可能にする。
論文参考訳（メタデータ） (2026-02-09T14:25:07Z)
SAD: A Large-Scale Strategic Argumentative Dialogue Dataset [60.33125467375306]
実際には、議論はしばしばマルチターン対話として実現される。大規模なtextbfStrategic textbfArgumentative textbfDialogue データセットは,392,822例からなる。
論文参考訳（メタデータ） (2026-01-12T11:11:37Z)
Debating for Better Reasoning: An Unsupervised Multimodal Approach [56.74157117060815]
議論のパラダイムをマルチモーダルな設定に拡張し、より弱いモデルがより強力なモデルの性能を監督し、強化する可能性を探る。視覚的質問応答 (VQA) に焦点をあて, 2つの「目に見える」専門家の視覚言語モデルが解答について議論する一方, 「盲目」(テキストのみ)の判断は議論の品質にのみ依存する。この枠組みでは, 専門家は信念に沿う回答のみを守り, 明示的な役割プレーの必要性を排除し, 専門家の不一致の事例に議論を集中させる。
論文参考訳（メタデータ） (2025-05-20T17:18:17Z)
"Reasoning" with Rhetoric: On the Style-Evidence Tradeoff in LLM-Generated Counter-Arguments [11.243184875465788]
大規模言語モデル(LLM)はエビデンスベースでスタイリスティックな反論を生成する上で重要な役割を果たしている。これまでの研究では、明白さとスタイルのバランスを無視することがしばしばあり、これは説得力のある議論に不可欠である。提案手法の有効性を検証し,38,000の正答率からなる新しいデータセットであるCounterfireにおける正答率を用いた正答率生成の有効性を検討した。
論文参考訳（メタデータ） (2024-02-13T14:53:12Z)
Argue with Me Tersely: Towards Sentence-Level Counter-Argument Generation [62.069374456021016]
本稿では,文レベル逆問題生成のためのArgTerselyベンチマークを提案する。また,Arg-LlaMAによる高品質な逆問題生成手法を提案する。
論文参考訳（メタデータ） (2023-12-21T06:51:34Z)
A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文参考訳（メタデータ） (2023-10-18T20:18:05Z)
Conclusion-based Counter-Argument Generation [26.540485804067536]
現実世界の議論では、議論に対処する最も一般的な方法は、その主要なポイント、すなわち結論に対する推論である。本稿では、入力引数の結論とカウンタの両方を生成するために共同で学習するマルチタスクアプローチを提案する。
論文参考訳（メタデータ） (2023-01-24T10:49:01Z)
Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文参考訳（メタデータ） (2022-04-16T08:07:53Z)
Exploring the Role of Argument Structure in Online Debate Persuasion [39.74040217761505]
オンライン討論会における議論における議論の談話構造の役割について考察する。我々は、より優れた予測性能を達成する上で、引数構造が重要な役割を担っていることを発見した。
論文参考訳（メタデータ） (2020-10-07T17:34:50Z)
Aspect-Controlled Neural Argument Generation [65.91772010586605]
我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
論文参考訳（メタデータ） (2020-04-30T20:17:22Z)
You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。