論文の概要: DeceptionAnalyser: A Web-Based AI Tool for Performing Structured Deception Analysis with Argumentation Schemes and LLMs

• arxiv url: http://arxiv.org/abs/2609.24369v1
• Date: Mon, 21 Sep 2026 10:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.981305
• Title: DeceptionAnalyser: A Web-Based AI Tool for Performing Structured Deception Analysis with Argumentation Schemes and LLMs
• Title（参考訳）: DeceptionAnalyser: Argumentation SchemesとLLMを用いた構造化認識分析を実現するWebベースのAIツール
• Abstract要約: textitDeceptionAnalyserは、物語テキストの偽造を分析するブラウザベースのツールである。 本稿では、構造化議論理論とAI支援分析が、潜在的偽造の透明で説明可能な評価をいかに支援できるかを示す。 スキーム検出は明瞭な誤りに対して非常に安定しており、より曖昧なインテリジェンススタイルの物語において、解釈可能な方法で優雅に劣化することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deception plays a central role in Intelligence operations, yet it remains difficult to analyse systematically without expert knowledge of reasoning patterns and cognitive manipulation. In computational argumentation, for instance, no scheme-level ground-truth corpora currently exist to support statistical validation. In this paper, we address this by introducing a set of ten argument schemes designed to model distinct forms of deception, each accompanied by structured premises and critical questions. In doing so, we introduce the first dedicated library of argumentation schemes specifically designed for deception analysis, providing a structured foundation for systematically modelling and analysing deception in narrative text. We then present \textit{DeceptionAnalyser}, a browser-based tool that implements these schemes through a two-stage methodology combining LLM-based premise extraction with critical-question-driven evaluation. Our aim is to provide a conceptual and methodological foundation for analysing deceptive reasoning in narrative text. This is precisely what we address in this paper by demonstrating how structured argumentation theory and AI-assisted analysis can support transparent, explainable assessments of potential deception. Because the schemes are designed to flag claims for scrutiny rather than to output a deception verdict, we do not benchmark classification accuracy; instead, we assess the \emph{reliability} of the methodology by measuring the consistency of the tool's premise and conclusion assessments across ten contemporary large language models and repeated runs. We find that scheme detection is highly stable for clear-cut deception and degrades gracefully, in interpretable ways, on more ambiguous intelligence-style narratives.
• Abstract（参考訳）: 認識は知能操作において中心的な役割を果たすが、推論パターンや認知操作に関する専門家の知識がなければ、体系的に分析することは困難である。 例えば、計算論では、統計的検証をサポートするためのスキームレベル基底トラスコーパスは存在しない。 本稿では,異なる形態の騙しをモデル化するための10の議論スキームを導入し,それぞれに構造的前提と批判的疑問を伴い,この問題に対処する。 そこで本研究では, 物語文における嘘を体系的にモデル化し, 分析するための構造的基盤として, 騙し分析に特化して設計された, 議論体系の図書館を初めて紹介する。 次に、LLMに基づく前提抽出とクリティカルクエスト駆動評価を組み合わせた2段階の方法論を用いて、これらのスキームを実装するブラウザベースのツールである「textit{DeceptionAnalyser}」を提示する。 本研究の目的は,物語文における欺く推論を概念的かつ方法論的に分析する基盤を提供することである。 この論文では、構造化議論理論とAI支援分析がいかにして、潜在的騙しの透明で説明可能な評価を支援するかを示す。 提案手法は, 誤認判定を出力するよりも, 精査の主張にフラグを付けるように設計されているため, 分類精度を評価せず, ツールの前提と結論の整合性を測定し, 繰り返し実行される10の大規模言語モデルにまたがって, 方法論の「emph{reliability}」を評価する。 スキーム検出は明瞭な誤りに対して非常に安定しており、より曖昧なインテリジェンススタイルの物語において、解釈可能な方法で優雅に劣化することがわかった。

関連論文リスト

• ReasoningLens: Hierarchical Visualization and Diagnostic Auditing for Large Reasoning Models [73.59878306788815]
  ReasoningLensは、複雑な推論チェーンの階層的な可視化と診断監査のために設計されたオープンソースのフレームワークである。 ReasoningLensは、(1)高レベルの戦略と低レベルの実行を分離する対話的階層にトレースを構造化し、(2)エージェント監査を自動エラー検出とツール拡張検証に活用する。
  論文  参考訳（メタデータ） (2026-06-22T14:28:35Z)
• Learning to Reason with Insight for Informal Theorem Proving [50.054221663394195]
  この研究では、非公式な定理における主要なボトルネックを洞察の欠如として証明する。 我々は,この本質的な推論スキルを育成し,LLMが洞察に富んだ推論を行うことを可能にする新しいフレームワークを提案する。 問題となる数学ベンチマークの実験では、この洞察・認識型生成戦略がベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2026-04-17T17:36:21Z)
• Implicit Patterns in LLM-Based Binary Analysis [6.612857121548629]
  我々は,マルチパスLSM推論が,構造化されたトークンレベルの暗黙的パターンを生じさせることを示す,最初の大規模トレースレベル研究を示す。 本研究は,LLM駆動のバイナリ解析の体系的特徴と,より信頼性の高い解析システムの基礎を提供する。
  論文  参考訳（メタデータ） (2026-03-19T16:56:56Z)
• Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。 最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。 本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
  論文  参考訳（メタデータ） (2025-09-02T14:16:02Z)
• I2I-STRADA -- Information to Insights via Structured Reasoning Agent for Data Analysis [0.0]
  現実世界のデータ分析には一貫した認知ワークフローが必要です。 この推論プロセスの形式化を目的としたエージェントアーキテクチャであるI2I-STRADAを紹介する。
  論文  参考訳（メタデータ） (2025-07-23T18:58:42Z)
• KAG-Thinker: Interactive Thinking and Deep Reasoning in LLMs via Knowledge-Augmented Generation [35.555200530999365]
  我々は、KAG-Thinkerを導入し、KAGをマルチターン対話型思考と、専用パラメータライト大言語モデル(LLM)を利用した深い推論フレームワークにアップグレードする。 提案手法は,複雑な問題を解くための構造化思考プロセスを構築し,推論過程の論理的一貫性と文脈的整合性を高める。
  論文  参考訳（メタデータ） (2025-06-21T14:58:53Z)
• Structured Prompting and Feedback-Guided Reasoning with LLMs for Data Interpretation [0.0]
  大規模言語モデル(LLM)は、自然言語の理解とタスクの一般化において顕著な能力を示した。 本稿では、構造化されたプロンプトおよびフィードバック駆動型変換ロジック生成手法であるSTROT Frameworkを紹介する。
  論文  参考訳（メタデータ） (2025-05-03T00:05:01Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
  テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。 我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
  論文  参考訳（メタデータ） (2021-04-14T02:53:32Z)

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。