Ranking-based Argumentation Semantics Applied to Logical Argumentation (full version)
Open Universiteit（开放大学）；Télécom SudParis（巴黎南泰尔电信学院）；Institut Polytechnique de Paris（巴黎理工学院）；Ruhr-Universität Bochum（波鸿鲁尔大学）
本文系统研究了排序语义在结构化论辩形式体系中的行为，证明一大类排序语义能产生 culpability measures 且对论辩构建方法的选择具有鲁棒性。
2023-07-31 cs.AI
Automata for Infinite Argumentation Structures
University of Brescia（布雷西亚大学）；University of Liverpool（利物浦大学）
抽象论证框架（afs）理论主要集中在有限的结构上，尽管在许多重要的语境中，论证可以被看作是一个涉及无限对象的过程。为了解决这个问题，在本文中，我们提出了一种新的方法来描述无限自动对焦使用的工具，从形式语言理论。特别地，通过确定性有限自动机所识别的语言来指定可能的无穷多个参数，同时引入一种合适的形式化方法--攻击表达式来描述参数之间的攻击关系.所提出的方法，以满足一些理想的属性，不能通过其他“天真”使用形式语言。特别是，该方法被证明是足够的表达捕捉（除了任何任意的有限结构）的各种各样的无限AF，包括两个主要的例子，从以前的文献和两个样本情况下，从多智能体谈判和环境智能领域。在计算方面，我们证明了几个决策和建设问题，这是已知的多项式时间可解的有限自动对焦系统是可判定的背景下提出的形式主义，我们提供了相关的算法。此外，我们还得到了关于有限afs情形的一些结果。
2018-10-11 cs.AI
Contrastive Explanations for Argumentation-Based Conclusions
Utrecht University（乌得勒支大学）；Tilburg University（蒂尔堡大学）
在本文中，我们将讨论对比解释正式论证的问题，为什么一定的参数（事实）可以接受，而另一个参数（箔）不能接受各种扩展为基础的语义。最近的工作对基于论证的结论的解释主要集中在提供最低限度的解释（不）接受的论点。然而，仍然缺乏的是对对比解释的适当的基于论证的解释。我们展示了在哪些条件下，在抽象和结构化的论证中的对比解释是有意义的，以及论证如何使我们能够使隐含的箔明确。
2022-01-25 cs.AI
Facets in Argumentation: A Formal Approach to Argument Significance
Department of Computer and Information Science, Linköping University, Sweden（林雪平大学计算机与信息科学系）；Leibniz Universität Hannover, Germany（汉诺威莱布尼茨大学）；Univ. Artois, CNRS, France（阿诺伊大学）；CSAIL, Massachusetts Institute of Technology, USA（麻省理工学院计算机科学与人工智能实验室）；DICE group, Paderborn University, Germany（波德生大学DICE小组）
该研究针对抽象论证框架中决策与枚举间推理成本高的问题，提出“面（facets）”概念用于刻画论证的重要性，证明其任务复杂度低于外延计数，并通过实验验证了可行性。
2025-05-16 cs.AI
A structured argumentation framework for detaching conditional obligations
Ruhr University Bochum（波鸿鲁尔大学）
我们提出了一个一般的形式论证系统，处理有条件的义务的分离。给定一组事实、约束和有条件的义务，我们通过考虑支持和反对无条件义务分离的理由来回答无条件义务是否可分离的问题。对于支持分离义务的论证的评价，我们使用Dung风格的论证理论语义学。我们说明了模块化的一般框架，考虑一些扩展，我们比较的框架，从文献中的一些相关方法。
2016-06-01 cs.AI
Credulous and Skeptical Argument Games for Complete Semantics in Conflict Resolution based Argumentation
Comenius University（夸美纽斯大学）
论证是定义非单调形式化的最常用方法之一，针对可废止逻辑程序提出了几种基于论证的语义。最近，提出了一种新的方法，基于冲突解决的概念，但只有声明性语义。本文给出了一个更程序的对应发展怀疑和轻信的论点游戏的完整的语义和健全性和完整性定理，这两个游戏。在此基础上，研究了可废止逻辑程序在多个上下文系统中的分布，并将两种论证博弈应用于多上下文系统。
2014-04-28 cs.AI
Online Handbook of Argumentation for AI: Volume 3
本卷包含为人工智能在线论证手册（OHAAI）第三卷选择的论文的修订版。在此之前，论证和论证互动的形式理论已经被提出和研究，这导致了最近对论证的计算模型的研究。论证作为人工智能（AI）的一个领域，对于对知识的符号表示和可废止推理感兴趣的研究人员来说是高度相关的。这本手册的目的是为论证研究团体提供一本开放获取和精选的选集。OHAAI旨在作为一个研究中心，以跟踪最新和即将到来的博士驱动的研究，在与AI相关的所有领域的理论和应用论证。
2022-12-15 cs.AI
Technical report of "Empirical Study on Human Evaluation of Complex Argumentation Frameworks"
TU Dresden（德累斯顿工业大学）；Université Libre de Bruxelles（布鲁塞尔自由大学）
在抽象论证中，已经提出了多个论证语义，其允许从给定的论证框架中选择共同可接受的论证集合，即仅基于论证之间的攻击关系。多种论证语义的存在提出了这样一个问题，即这些语义中哪一种最能预测人类如何评价论证。以往的实证认知研究，已经测试了人类如何评估集的参数取决于它们之间的攻击关系已被限制到一个小的一组非常简单的论证框架，使一些语义研究的文献中不能有意义地区分这些研究。在本文中，我们报告的实证认知研究，克服了这些局限性，考虑到12个论证框架的三到八个参数。这些论证框架大多比以往研究中考虑的论证框架更复杂。所有12个论证框架系统地实例化与自然语言参数的基础上，一定的虚构的场景，和参与者都显示了自然语言参数和图形描述的攻击之间的关系。我们的数据表明，接地和CF2语义是最好的预测人类的论点评价。一个详细的分析表明，一部分参与者选择了一个认知上更简单的策略，预测非常好的接地语义，而另一部分的参与者选择了一个认知上更苛刻的策略，主要是预测以及CF2语义。
2019-02-27 cs.AI
Constraints on the search space of argumentation
Max Planck Institute for Comparative and International Law（马克斯·普朗克比较法与公法研究所）；University of São Paulo（圣保罗大学）
从研究计算模型的论证（特别是在Escherades论证系统），我们探讨了图形表示的论点在争议中，然后，比较两种不同的传统的限制的理由的决定，并设计一个中间，半正式的，模型，我们还表明，它可以揭示理论的争议解决。最后，我们观察高度约束推理的在线争议解决系统的实用性，我们的文件。将论证的搜索空间限制在当事人提出的理由范围内（否决人工或人工仲裁员引入新的论证），是在论证系统中引入某种可判定性-以及可解释性-的唯一途径。
2013-12-06 cs.AI
Integrating Temporality and Causality into Acyclic Argumentation Frameworks using a Transition System
Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；LIP6（巴黎第六大学信息学实验室）
本文提出将时间性与因果性引入无环抽象论证框架的形式化方法，通过行动语言建模世界演化并建立论证与后果的因果关系，并给出回答集编程实现及解释展望。
2024-02-06 cs.AI
Defeasible Logic Programming: An Argumentative Approach
这里报告的工作介绍了可废止逻辑编程（DeLP），一种形式主义，结合逻辑编程和可废止论证的结果。DeLP提供了以弱规则的形式以声明的方式表示信息的可能性，以及用于证明蕴涵结论的可废止论证推理机制。在DeLP中，论证形式主义将用于在矛盾的目标之间做出决定。论证将得到论证的支持，而这些论证可能会被其他论证击败。一个查询q将成功时，有一个参数A的q是有保证的，即，参数A，支持q是发现不败的保证程序，实现了辩证分析。DeLP的可废止论证基础允许构建处理动态域中不完整和矛盾信息的应用程序。因此，所得到的方法是适合于代表代理的知识，并为代理提供一个基于论证的推理机制。
2003-02-20 cs.AI
Online Handbook of Argumentation for AI: Volume 2
本卷包含为人工智能在线论证手册（OHAAI）第二卷选择的论文的修订版。在此之前，论证和论证互动的形式理论已经被提出和研究，这导致了最近对论证的计算模型的研究。论证作为人工智能（AI）的一个领域，对于对知识的符号表示和可废止推理感兴趣的研究人员来说是高度相关的。这本手册的目的是为论证研究团体提供一本开放获取和精选的选集。OHAAI旨在作为一个研究中心，以跟踪最新和即将到来的博士驱动的研究，在与AI相关的所有领域的理论和应用论证。
2021-06-23 cs.AI
Formal Verification of Debates in Argumentation Theory
Imperial College London（帝国理工学院）；Université d’Evry（埃夫里大学）
人们每天都在进行非正式的辩论。通过表达他们的意见和想法，在一个论证的方式，他们能够获得一个给定的问题，在某些情况下，更深入的了解，找到最好的行动方案，对解决it.In本文中，我们开发了一种方法来验证辩论形式化为抽象的论证框架。我们首先提出了一个从辩论到过渡系统的翻译。这样的转换系统可以模拟辩论，并使用有限的状态集来表示它们随时间的演变。然后，我们正式使用时间和策略逻辑相关的辩论属性。这些形式化，以及辩论过渡系统，使我们能够验证给定的辩论是否满足某些属性。验证过程可以使用模型检查器自动化。因此，我们也衡量他们的性能时，验证辩论，并使用结果来讨论模型检验辩论的可行性。
2019-12-12 cs.AI cs.LO
Universal Reasoning, Rational Argumentation and Human-Machine Interaction
University of Luxemburg（卢森堡大学）；Freie Universität Berlin（柏林自由大学）
经典高阶逻辑，当被用作元逻辑时，其中各种其他（经典和非经典）逻辑可以被浅嵌入，非常适合于实现通用逻辑推理方法。反过来，正如莱布尼茨所设想的那样，普遍逻辑推理可能支持机器内理性论证的严格形式化和深入逻辑分析。描述了相应的通用逻辑推理框架，并讨论了一系列示例性应用。在未来，通用逻辑推理与适当的、受控形式的理性论证相结合，可能会成为人类和智能机器之间的沟通层。
2017-03-28 cs.AI
An action language-based formalisation of an abstract argumentation framework
Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；ISIR（智能系统与机器人研究所）
本文提出一种纳入论证陈述顺序的抽象论证图建模新框架，可推导每个对话的唯一扩展，并证明终止性、正确性及两种完备性，其中通过“最后陈述最后更新”策略验证第二种完备性。
2024-09-29 cs.AI cs.LO
Online Handbook of Argumentation for AI: Volume 1
本卷包含为人工智能在线论证手册（OHAAI）第一卷选择的论文的修订版。在此之前，论证和论证互动的形式理论已经被提出和研究，这导致了最近对论证的计算模型的研究。论证作为人工智能（AI）的一个领域，对于对知识的符号表示和可废止推理感兴趣的研究人员来说是高度相关的。这本手册的目的是为论证研究团体提供一本开放获取和精选的选集。OHAAI旨在作为一个研究中心，以跟踪最新和即将到来的博士驱动的研究，在与AI相关的所有领域的理论和应用论证。
2020-06-22 cs.AI
Towards Assurance of LLM Adversarial Robustness using Ontology-Driven Argumentation
fortiss GmbH Research Institute（fortiss GmbH研究院）；IBM Research Europe（IBM欧洲研究院）
本文提出一种基于形式论证和本体驱动的方法，通过构建最先进的攻击与防御来形式化隐式知识，生成人类可读的保障案例和机器可读表示，从而保障LLM的对抗鲁棒性，并在英语和代码翻译任务中展示了其应用与理论实践启示。
2024-10-10 cs.AI
A Note on Rich Incomplete Argumentation Frameworks
Université de Paris（巴黎大学）
近年来，抽象论证中的定性不确定性问题受到了广泛关注。关于这个主题的第一个作品介绍了攻击存在的不确定性，然后是参数的存在，最后结合了两种不确定性。这就形成了不完全论证框架（IAFs）。但在控制论证框架（CAFs）的背景下引入了另一种不确定性：它存在于具有不确定方向的冲突关系中，即我们确信两个论点之间存在攻击，但攻击的实际方向是未知的。在这里，我们正式定义了丰富的IAF，它结合了以前在IAF和CAF中引入的三种不同的不确定性。我们表明，这种新的模型，虽然严格比IAF更有表现力，并没有遭受从一个爆炸的计算复杂性。此外，现有的计算方法的基础上SAT可以很容易地适应新的框架。
2020-11-19 cs.AI
A Unifying Framework for Learning Argumentation Semantics
Imperial College London（伦敦帝国学院）；University College London（伦敦大学学院）；University of Verona（维罗纳大学）；ILASP Limited（ILASP有限公司）
本文提出一个基于归纳逻辑编程的统一框架，以可解释方式学习多种论证框架的可接受性语义，并在实证评估中优于现有论证求解器。
2025-03-04 cs.AI cs.LG
Online Handbook of Argumentation for AI: Volume 4
该论文介绍OHAAI第四卷，汇集经修订的遴选论文，旨在以开放获取枢纽呈现AI论证理论与应用方面由博士研究驱动的最新成果。
2023-12-20 cs.AI
NLAS-multi: A Multilingual Corpus of Automatically Generated Natural Language Argumentation Schemes
Centre for Argument Technology, University of Dundee（邓迪大学论证技术中心）；VRAIN, Universitat Politècnica de València（瓦伦西亚理工大学VRAIN研究院）
本文提出了一种多语言自然语言论证方案自动生成方法，构建了目前最大的公开语料库NLAS-multi，并提供了用于论证方案自动识别的基线与微调模型。
2024-02-22 cs.AI cs.CL
Necessary and Sufficient Explanations in Abstract Argumentation
Utrecht University（乌得勒支大学）；Tilburg University（蒂尔堡大学）
在本文中，我们讨论了形式论证的必要和充分的解释-在各种基于扩展的语义下，是否以及为什么某个论点可以被接受（或不被接受）的问题。给定一个框架，与此解释论证为基础的结论可以得出，我们研究的必要性和充分性：什么（套）参数是必要的或足够的（不）接受的论点？
2020-11-04 cs.AI cs.LO
On the Graded Acceptability of Arguments in Abstract and Instantiated Argumentation
University of Groningen（格罗宁根大学）；King's College London（伦敦国王学院）
本文开发了一个正式的理论的程度的理由的论点，这完全依赖于一个论证框架的结构，并可以成功地接口的方法，以实例化的论证。该理论分三步发展。首先，本文介绍了分级概括的两个关键概念的基础Dung的语义：自卫和无冲突。这导致了Dung语义的自然泛化，标准扩展根据它们满足的自卫和无冲突水平而被削弱或加强。本文研究了这些语义的不动点理论，建立了它们的存在性结果。其次，本文展示了如何分级语义很容易提供一种方法，参数排名，提供了一个新的贡献，最近不断增长的研究计划排名为基础的语义。第三，这种新的方法，以参数排名的应用和研究的背景下，实例化的论证框架，并在这样做是占一个简单的形式的累算的参数内的粪范式。最后，该理论与现有的方法进行了详细的比较。
2018-11-08 cs.AI
Contrastive Explanations in Quantitative Bipolar Argumentation Frameworks
Imperial College London（帝国理工学院）；Cardiff University（卡迪夫大学）
本文针对定量双极论证框架，提出对比归因函数及基于移除、梯度、夏普利值的对比式解释，用于解释两个主题论证的差异，并在医疗、偏见识别场景中验证了其实用性。
2026-09-03 cs.AI
Reasoning by Cases in Structured Argumentation
Ruhr University Bochum（波鸿鲁尔大学）
我们扩展了结构化论证的$ASPIC^+$框架，以便允许应用的情况下，推理方案的可废止的参数。给定一个带有结论“$A$ or $B$”的论证，一个基于$A$带有结论$C$的论证，以及一个基于$B$带有结论$C$的论证，我们允许构造一个带有结论$C$的论证。我们展示了我们的框架如何导致不同的结果比其他方法在非单调逻辑处理析取信息，如析取默认理论或方法的基础上的OR规则（允许导出一个可废止的规则“如果（$A$或$B$），然后$C$”，给出两个可废止的规则“如果$A$，然后$C$”和“如果$B$，然后$C$”）。我们提出了新的问题，推理的微妙之处defeably与析取信息，并表明其形式化是更复杂的比一个人会假设。
2017-03-24 cs.AI
Bipolar in Temporal Argumentation Framework
Consejo Nacional de Investigaciones Científicas y Técnicas（阿根廷国家科学技术研究委员会）；Department of Mathematics - Universidad Nacional de Santiago del Estero（圣地亚哥德埃斯特罗国立大学数学系）
时间论证框架（TAF）是一种形式主义，其中参数仅在给定的时间段内有效，称为可用性间隔，为每个单独的参数定义。最初的建议是基于一个单一的，抽象的概念之间的攻击参数，保持静态和永久的时间。因此，一般来说，当识别可接受的参数集时，与TAF相关联的结果将随时间而变化。在这项工作中，我们引入了一个扩展的TAF添加建模参数之间的支持关系的能力。从这个意义上说，由此产生的框架提供了一个合适的模型，不同的时间依赖性的问题。因此，这里的主要贡献是提供一个增强的框架，用于建模随着时间的推移而变化的积极（支持）和消极（攻击）的相互作用，这在许多现实世界的情况下是相关的。这导致了一个时间双极论证框架（T-BAF），其中可以定义经典的论点扩展。该方案旨在推进不同应用领域中时间论证的集成。
2019-03-05 cs.AI
The Effect of Preferences in Abstract Argumentation Under a Claim-Centric View
TU Wien（维也纳工业大学）
本文从主张中心的角度研究了偏好对抽象论证的影响。最近的工作表明，语义和计算属性可以改变时，推理是在索赔级别，而不是在参数级别，而在某些自然的限制（参数具有相同的索赔有相同的外向攻击），这些属性是保守的。我们现在研究这些影响时，此外，偏好必须考虑，并考虑四个突出的减少，以处理参数之间的偏好。正如我们将看到的，这些约简产生了不同类别的主张增强论证框架，并且在语义属性和计算复杂性方面表现不同。这加强了这样一种观点，即必须谨慎对待处理优惠的实际选择。
2022-04-28 cs.AI
Impact Measures for Gradual Argumentation Semantics
CNRS（法国国家科学研究中心）；Université Paris Cité（巴黎城市大学）；Universite Claude Bernard Lyon 1（里昂第一大学（克洛德·贝尔纳））；Ecole Centrale de Lyon（里昂中央理工学院）；INSA Lyon（里昂国立应用科学学院）；Université Lumière Lyon 2（里昂第二大学（卢米埃尔））；LIRIS（里昂信息、图像与智能实验室）
针对渐进论证语义的结果解读需求，本文改进了现有影响度量，提出基于Shapley值的新度量，并结合知名渐进语义用多原则评估，深化了对两类度量功能与适用性的认知。
2024-07-11 cs.AI
CE-QArg: Counterfactual Explanations for Quantitative Bipolar Argumentation Frameworks (Technical Report)
Imperial College London（帝国理工学院）；Cardiff University（卡迪夫大学）
针对QBAFs中论证强度解释的不足，提出反事实解释算法CE-QArg，利用极性和优先级模块确定更新方向与幅度，生成有效且成本效益高的解释，并在随机生成的QBAFs上验证了其有效性。
2024-11-11 cs.AI
Cognitive Argumentation and the Suppression Task
TU Dresden（德累斯顿工业大学）；University of Cyprus（塞浦路斯大学）
本文提出了一个新的框架，称为认知论证建模人类推理的挑战。这个框架基于这样一个假设，即人类逻辑推理本质上是一个辩证论证的过程，旨在为人类推理开发一个可计算和可实现的认知模型。为了使逻辑推理具有人类认知形式，该框架依赖于认知原则，基于认知科学中的经验和理论工作，以适当地适应AI计算论证的一般和抽象框架。认知论证的方法进行评估与伯恩的抑制任务，其目的是不仅要捕捉不同群体的人之间的抑制效果，但也要考虑到每个群体内的推理的变化。两个主要的认知原则是特别重要的捕捉人类条件推理，解释参与者的反应：（i）解释的条件内的条件作为充分和/或必要的和（ii）的推理模式，无论是预测或解释。我们认为，认知论证提供了一个连贯的和认知充分的模型，人类的条件推理，允许一个自然的明确和似是而非的结论之间的区别，表现出的重要特征，上下文敏感和可撤销的推理。
2020-02-24 cs.AI
Optimization of Information-Seeking Dialogue Strategy for Argumentation-Based Dialogue System
NARA Institute of Science and Technology（奈良先端科学技术大学院大学）；NEC Central Research Laboratories（NEC中央研究所）；Japan Science and Technology Agency（日本科学技术振兴机构）
基于辩论的对话系统能够通过对话来处理和交换辩论，因此得到了广泛的研究。这些系统需要有足够的支持信息来合理地论证其主张;然而，在现实情况下，这些系统往往没有足够的此类信息。填补这一空白的一个办法是从对话伙伴那里获得这种缺失的信息（寻求信息的对话）。现有的信息搜索对话系统是基于手工制作的对话策略，详尽地检查缺失的信息。然而，所提出的策略并不专门收集信息构建理性的论点。此外，系统的查询候选的数量根据系统处理的参数集的大小而增长。在本文中，我们将信息寻求对话的过程形式化为马尔可夫决策过程（MDP），并应用深度强化学习（DRL）自动优化对话策略。通过使用DRL，我们的对话策略可以成功地最小化目标函数，我们的系统在对话中收集必要信息所需的轮数。我们进行了对话实验，使用两个数据集从不同领域的辩论对话。实验结果表明，基于MDP的形式化策略效果良好，DRL优化策略的性能优于现有的启发式对话策略。
2018-11-26 cs.AI
Dispute resolution in legal mediation with quantitative argumentation
Zhejiang University（浙江大学）
针对法律调解中未充分考量规范与事实及现有论点更新方法低效的问题，本文提出了整合多方知识与法律规范的QuAM框架，并开发了新的形式化方法以建模目标论点可接受性与变量值之间的关系。
2024-09-25 cs.AI
Experimental Assessment of Aggregation Principles in Argumentation-enabled Collective Intelligence
Massachusetts Institute of Technology（麻省理工学院）；Masdar Institute（马斯达尔学院）；Toulouse School of Economics（图卢兹经济学院）；Institute for Advanced Study in Toulouse（图卢兹高等研究院）；University of Toulouse Capitole（图卢兹第一大学）；Cardiff University（卡迪夫大学）
在网络上，总是需要从人群中聚集意见（如在帖子，社交网络，论坛等）。不同的机制已经实现来捕获这些意见，例如Facebook中的“喜欢”，Twitter中的“收藏”，拇指向上/向下，标记等。然而，在更具争议性的领域（例如维基百科，政治讨论和气候变化讨论），这些机制是不够的，因为它们只处理每个问题，而不考虑不同声明之间的关系。我们可以将一组相互冲突的参数看作一个图，其中节点表示参数，这些节点之间的弧表示失败关系。然后，一组人可以共同评估这些图。要做到这一点，小组必须使用一个规则来汇总他们对整个论点图的个人意见。在这里，我们提出了第一个实验评估的不同原则，通常采用的聚合规则在文献中。我们使用随机对照实验来研究人们在不同条件下更好地聚合意见的原则。我们的分析揭示了一些因素，而不是传统的正式模型，发挥了重要作用，在确定聚合的功效。这些结果有助于使论证的正式模型更接近现实世界的应用。
2017-02-12 cs.AI
Abstractly Interpreting Argumentation Frameworks for Sharpening Extensions
攻击性论证的循环在Dung式论证理论中提出了非平凡的问题，奇数和偶数长度循环之间的明显行为差异是一个值得注意的问题。虽然提出了一些方法来处理它们，以-特别是-使选择可接受的参数在奇数长度的循环时，粪语义可以选择没有，到目前为止，这些问题已经观察到从纯粹的参数图论的角度。相反，我们考虑参数图与参数（例如本体）上的某种格状语义结构。正如我们所展示的，语义-论证图混合理论允许我们应用抽象解释，一个广为人知的方法在静态程序分析，正式论证。这样，即使在一个循环中没有任何论证可以被合理地选择，我们也可以更多地讨论包含它的论证框架的论证可接受性，在某种意义上，我们可以验证这个混合理论中关于语义结构的Dung扩展，以巩固我们对它们的适用性的信心。通过定义的理论，并通过现有的方法进行比较，我们最终发现，无论是粪语义，或替代语义，如cf2，是足够的或有问题的，不仅取决于一个参数图，但也在图中的参数之间的语义关系。
2018-02-05 cs.AI
Leveraging Large Language Models for Causal Discovery: a Constraint-based, Argumentation-driven Approach
Department of Computing（计算系）；Imperial College London（帝国理工学院伦敦分校）
本文提出利用大语言模型作为不完美的专家，结合语义结构先验和条件独立性证据，实现因果发现的先进方法。
2026-08-12 cs.AI
Harmonization of conflicting medical opinions using argumentation protocols and textual entailment - a case study on Parkinson disease
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）
帕金森病是第二大常见的神经退行性疾病，影响欧洲120多万人。药物可用于治疗其症状，但疾病的确切原因尚不清楚，目前市场上没有治愈方法。为了更好地理解新发现与当前医学知识之间的关系，我们需要能够分析基于自然语言处理的已发表医学论文的工具，以及能够识别新发现与当前医学知识之间各种关系的工具。我们的工作旨在填补上述技术空白。为了识别医疗文档中的冲突信息，我们制定了文本蕴涵技术。为了封装现有的医学知识，我们依赖于本体。为了将本体论中的形式公理与医学文章中的自然文本连接起来，我们利用本体论的语言化技术。为了评估人类代理人之间关于医疗问题的分歧程度，我们依赖于模糊聚合。为了协调这种分歧，我们设计了一个多代理框架内的调解协议。
2016-07-27 cs.AI
Towards a Benchmark of Natural Language Arguments
INRIA Sophia Antipolis（法国国立信息学及其应用研究院索菲亚·安提波利斯分院）
近年来，自然语言处理与论证理论之间的联系越来越紧密，越来越多的工作朝着这个方向发展，在不同的场景下，应用异构技术。在本文中，我们提出了两个数据集，我们建立，以应付结合的文本蕴涵框架和双极抽象论证。在我们的方法中，此类数据集用于通过文本蕴涵系统自动识别参数之间的关系（即，攻击，支持），然后分析得到的双极论证图以计算可接受的论证。
2014-05-05 cs.AI cs.CL
Choosing the Lens: Strategic Perspective Activation in Context-Dependent Argumentation
Warsaw University of Technology（华沙技术大学）
本文提出上下文相关论证框架（CDAF），通过击败函数和视角标记特化，研究代理如何通过选择相关性集和优先级来策略性地影响论证结果。
2026-07-21 cs.AI
Enhancing Conflict Resolution in Language Models via Abstract Argumentation
School of Philosophy, Zhejiang University（浙江大学哲学系）；College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；The State Key Lab of Brain-Machine Intelligence（脑机智能国家重点实验室）
针对大语言模型难以处理信息不完整/不一致引发冲突的问题，本文结合抽象论证框架构建带计算过程解释的数据集微调模型，提升了冲突解决泛化准确率与模型透明度。
2025-11-13 cs.AI
Argumentative Human-AI Decision-Making: Toward AI Agents That Reason With Us, Not For Us
New Mexico State University（新墨西哥州立大学）；King's College London（伦敦国王学院）；Imperial College London（伦敦帝国学院）；Washington University in St. Louis（圣路易斯华盛顿大学）
本文探讨论证型人机决策的新范式，结合论证框架挖掘、合成与推理，使AI代理能与人类进行辩证互动，提升高风险领域的人工智能可信度。
2026-03-16 cs.AI
Empirical Evaluation of Abstract Argumentation: Supporting the Need for Bipolar and Probabilistic Approaches
University College London（伦敦大学学院）
在对话论证中，人们通常假设参与者总是正确地识别彼此提出的意图陈述，认识到所有的关联关系，符合三种可接受状态（接受、拒绝和未决定），当新的和正确的信息进入时调整他们的观点，一个只处理攻击关系的框架足以代表他们的观点。虽然将这些假设作为进一步研究的起点是很自然的，但删除它们甚至承认这种删除应该发生对其中一些概念来说比其他概念更具挑战性。概率论证是可以用来进行更准确的用户建模的方法之一。认识论的方法允许我们表示一个给定的论点被一个给定的人相信多少，为我们提供了表达不仅仅是三个同意状态的可能性。它配备了广泛的假设，包括那些不对如何看待初始论点进行任何限制的假设，因此与Dung的语义学相比，它可能更适合于处理那些没有完全公开自己观点的人的信念。星座方法可以用来代表不同的人对我们正在处理的框架结构的看法，包括并非所有关系都得到承认或与预期不同的情况。最后，双极论证框架可以用来表达论证之间的积极和消极关系。在本文中，我们描述了一个实验的结果，参与者判断对话的协议和结构。我们比较我们的研究结果与上述假设，以及与星座和认知的概率论证和两极论证的方法。
2017-12-08 cs.AI
Can formal argumentative reasoning enhance LLMs performances?
Brunel University London（伦敦布鲁内尔大学）；University of Lincoln（林肯大学）
本文提出MQArgEng流水线，将计算论证语义引入大语言模型，以提升其推理与对话性能；基于MT-Bench的初步实验表明该方法在多数主题类别中带来适度性能提升，验证了其可行性。
2024-05-16 cs.AI cs.CL
AI and Legal Argumentation: Aligning the Autonomous Levels of AI Legal Reasoning
Techbruim；CodeX: Stanford Center for Legal Informatics（CodeX：斯坦福法律信息学中心）
法律论证是司法的重要基石，是对抗性法律形式的基础，广泛的研究试图通过使用基于计算机的自动化（包括人工智能）来增强或进行法律论证。人工智能在自然语言处理（NLP）和机器学习（ML）方面的进步，特别是进一步提高了利用人工智能帮助法律专业人士的能力，其方式在这里被建模为关怀，即制作，评估，精炼和参与法律论证。除了人工智能支持的法律论证有助于增强以人为本的律师工作之外，这个多学科领域的一个理想目标还包括最终实现自主实现与人类等效的法律论证。因此，提出了一种创新的元方法，将人工智能法律推理（AILR）的自治水平（LoA）应用于人工智能和法律论证（AILA）的成熟，为衡量这个不断发展和严格追求的领域的进展提供了一种新的方法。
2020-09-11 cs.AI cs.CY
A Parameterised Hierarchy of Argumentation Semantics for Extended Logic Programming and its Application to the Well-founded Semantics
论证已被证明是一个有用的工具，在定义基于论证的推理的形式语义时，将证明视为一个过程，在这个过程中，支持者和反对者通过削弱（攻击论点的前提）和反驳（攻击论点的结论）来攻击对方的论点。在本文中，我们制定了各种概念的攻击扩展的逻辑程序的底切和反驳的组合，并定义了一个一般层次的论证语义参数化的攻击的概念选择的支持者和对手。我们证明了语义之间的等价和子集关系，并检查了一些基本性质的一致性和连贯原则，它涉及默认否定和显式否定。最重要的是，我们把现有的语义在我们的层次结构中的文献中提出的，并确定一个特定的论证语义，我们证明等价的次协调有根据的语义明确否定，WFSX $_p$。最后，我们提出了一个一般的证明理论，基于对话树，并表明它是健全的和完整的论证语义。
2003-11-08 cs.AI cs.LO
Neurosymbolic Learning for Inference-Time Argumentation
Department of Computing, Imperial College London（伦敦帝国理工学院计算机系）
本文提出了一种用于三元主张验证的可训练神经符号框架，通过在训练和推理过程中结合形式论证语义来指导大语言模型生成论证并分配基础分数，从而提高三元预测的准确性。
2026-06-09 cs.AI
AF-XRAY: Visual Explanation and Resolution of Ambiguity in Legal Argumentation Frameworks
Gonzaga University, Spokane, WA（Gonzaga大学）
本文提出开源工具包AF-XRAY，通过分层可视化、攻击边分类、语义叠加和关键攻击集识别，解决法律论证框架中的歧义问题，帮助非专家理解论证可接受性并支持目的论法律推理。
2025-07-14 cs.AI
MAGIC: Multi-Agent Argumentation and Grammar Integrated Critiquer
针对现有自动作文评分与反馈系统重评分精度轻反馈质量、评估学段偏低的问题，提出多智能体框架MAGIC，依托自建GRE作文数据集，实现了优于基线大模型的评分一致性与高质量自然反馈。
2025-11-18 cs.AI
LLM-based Argument Mining meets Argumentation and Description Logics: a Unified Framework for Reasoning about Debates
Department of Informatics, Modeling, Electronics and System Engineering University of Calabria, Italy（信息学、建模、电子与系统工程系 卡拉布里亚大学）
本文提出一种结合论证挖掘与描述逻辑的统一框架，用于分析辩论的透明、可解释和形式化方法。
2026-03-03 cs.AI
Modelling Control Arguments via Cooperation Logic in Unforeseen Scenarios
控制论证框架的目的是专门从代理的角度来模拟战略场景，通过扩展论证框架的标准模型，考虑到参数和攻击的不确定性。然而，他们没有充分考虑联盟形成和一组代理人在不确定的环境中的相互作用。为了解决这个问题，我们提出了一个形式主义的多智能体场景通过合作逻辑和研究代理的策略和行动在一个动态的环境。
2022-10-21 cs.AI
Aggregative Semantics for Quantitative Bipolar Argumentation Frameworks
Sorbonne Université, CNRS, LIP6（索邦大学、国家科学研究中心、LIP6）
本文提出了一种用于定量双极论证框架的聚合语义，通过三阶段计算方法提高计算的可解释性和参数化程度。
2026-03-06 cs.AI
On Computing Stable Extensions of Abstract Argumentation Frameworks
German Jordanian University（德国约旦大学）
\textit{abstract argumentation framework}（简称{ \sc af}）是有向图$(A,R)$，其中$A$是\textit{abstract arguments}的集合，而$R\subseteq A \times A$是\textit{attack}关系。令$H=(A,R)$为{ \sc af}，$S \subseteq A$为一组参数和$S^+ = \{y \mid \exists x\in S \text{ with }(x,y)\in R\}$。那么，$S$是$H$中的\textit{stable extension}当且仅当$S^+ = A\setminus S$。在本文中，我们提出了一个彻底的，正式的验证一个已知的回溯算法列出所有稳定的扩展在一个给定的{ \sc af}。
2021-09-14 cs.AI cs.DM cs.DS
CAF-Gen: A Multi-Agent System for Enriching Argumentation Structures
Faculty of Electronics and Information Technology, Warsaw University of Technology（电子与信息技术学院，华沙技术大学）
提出CAF-Gen多智能体框架，通过迭代创建-评审流程将浅层论证结构自动转换为符合Carneades论证框架的丰富模型，克服单次生成的结构不稳定性。
2026-06-16 cs.AI cs.CL
Identification of Entailment and Contradiction Relations for Natural Language Argumentation: A Neurosymbolic Approach
University College London（伦敦大学学院）
本文提出一种基于AMR图、命题逻辑和SAT求解器的可解释RTE流水线，并引入松弛方法处理措辞差异，在四个数据集上验证了有效性。
2026-10-14 cs.AI cs.CL
Semi-Abstract Value-Based Argumentation Framework
Technische Universität Wien（维也纳工业大学）
本文提出半抽象基于价值的论证框架，将命题公式映射到有序价值，并通过复杂道德困境案例展示其表达能力。
2023-09-25 cs.AI cs.LO
