Core Concepts
Die Wahrscheinlichkeit der Suffizienz (PS) misst, wie wahrscheinlich es ist, dass das Einführen des Prämissenereignisses zum Schluss führt, wenn sowohl das Prämissen- als auch das Schlusserereignis abwesend sind. CASA schätzt diese Wahrscheinlichkeit, indem es große Sprachmodelle nutzt, um Kontexte zu generieren, die mit den Prämissen und dem Schluss unvereinbar sind, und sie dann durch Einspritzen der Prämisse zu revidieren.
Abstract
CASA ist ein kausalitätsbasierter Rahmen zur Bewertung der Argumentsuffizienz. Im Gegensatz zu bestehenden Ansätzen, die auf von Menschen annotierten Daten basieren, verwendet CASA eine theoretisch fundierte Herangehensweise, um die Suffizienz eines Arguments zu beurteilen.
Der Kern des Ansatzes ist die Wahrscheinlichkeit der Suffizienz (PS), die misst, wie wahrscheinlich es ist, dass das Eintreten der Prämisse zum Schluss führt, wenn beide zunächst abwesend sind. Um diese Wahrscheinlichkeit zu schätzen, nutzt CASA große Sprachmodelle, um Kontexte zu generieren, die mit den Prämissen und dem Schluss unvereinbar sind, und revidiert diese dann, indem es die Prämisse einfügt. Auf diese Weise kann CASA die Suffizienz eines Arguments beurteilen, ohne auf manuell annotierte Daten angewiesen zu sein.
Experimente auf zwei Datensätzen zur Erkennung logischer Fehlschlüsse zeigen, dass CASA Argumente mit unzureichenden Prämissen genauer identifiziert als direkte Aufforderungen an dieselben Basismodelle. Darüber hinaus demonstriert CASA seine Praxistauglichkeit, indem es Schreibhilfen für Studentenaufsätze generiert, die die Suffizienz der Argumente verbessern.
Stats
Keine relevanten Statistiken oder Kennzahlen gefunden.
Quotes
Keine relevanten Zitate gefunden.