神经符号论证推理系统 NARS 检测说服力
原文标题：Have You Been Convinced? A Neuro-symbolic Argumentation Reasoning Approach to Detecting Persuasiveness in ChangeMyView Discussions
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出神经符号论证推理系统 NARS，结合检索增强的迭代 LLM 推理与渐进论证语义，从 ChangeMyView 讨论中检测说服力。团队构建 CMV2BAS 数据集，NARS 在最佳配置下 F1 达 0.57，优于零样本 Qwen3.6:27B 与 GPT-oss:20B，并公开数据集与框架。
- 问题
- 如何从在线讨论的论证结构中推断说服力。
- 方法
- 检索增强的迭代 LLM 推理抽取双极论证结构，再用渐进论证语义传播影响。
- 结果
- 最佳配置 F1=0.57、AUC=0.56，优于零样本 Qwen3.6:27B 与 GPT-oss:20B。
- 影响
- 证明符号推理在现代 LLM 之上仍有增量价值，可用于社区观点演化与说服分析。
机构：IBM
深读 · 结论先行AI 生成展开看要点与影响 ↓
神经符号系统 NARS 检测说服力，最佳配置 F1 仅 0.57，但已超过零样本 Qwen3.6:27B 与 GPT-oss:20B。
- •神经部分用检索增强的迭代 LLM 推理抽取双极论证结构，符号部分用渐进论证语义传播影响。
- •基于 Webis-CMV-20 构建 CMV2BAS 数据集，标注 LLM 导出的双极论证结构与 delta 事件。
- •最佳配置 F1=0.57、AUC=0.56，优于零样本 Qwen3.6:27B 和 GPT-oss:20B。
- •识别出支持占主导的讨论与长论证链是限制攻击影响传播的关键失败模式。
- •数据集与框架将公开。
为什么重要：在 LLM 时代重新验证符号推理的必要性：绝对分数不高，但相对零样本大模型仍有优势，说明论证结构的形式化建模尚未被纯提示方法取代。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。