From Debate to Deliberation: Structured Collective Reasoning with Typed Epistemic Acts
Indian School of Business（印度管理学院）
本文提出DCI框架，通过结构化集体推理提升复杂任务决策质量，但指出其成本较高，需在过程问责性与效率间权衡。
2026-03-12 cs.AI cs.CL cs.MA
Hear Both Sides: Efficient Multi-Agent Debate via Diversity-Aware Message Retention
Applied Artificial Intelligence Initiative（应用人工智能倡议）
本文提出DAR框架，通过选择最不一致的消息子集提升多智能体辩论性能，尤其在智能体数量增加时表现更优。
2026-04-14 cs.CL
Multi-Persona Debate System for Automated Scientific Hypothesis Generation
Department of Materials Science & Engineering, Ajou University（材料科学与工程系，阿乔大学）；Department of Energy Systems Research, Ajou University（能源系统研究系，阿乔大学）；Department of Nuclear Science and Engineering, Massachusetts Institute of Technology（核科学与工程系，麻省理工学院）；Department of Materials Science and Engineering, Massachusetts Institute of Technology（材料科学与工程系，麻省理工学院）；Department of Materials Science and Engineering, Ulsan National Institute of Science and Technology（材料科学与工程系，乌山国家科学与技术研究院）；Graduate School of Artificial Intelligence, Ulsan National Institute of Science and Technology（人工智能研究生院，乌山国家科学与技术研究院）
提出多角色辩论系统（MPDS），结合文献检索、长上下文大语言模型推理、语料驱动角色归纳和结构化多智能体辩论，自动生成科学假设，在电池材料研究中验证其有效性。
2026-04-14 cs.CL
DEBATE: A Dataset for Disentangling Textual Ambiguity in Mandarin Through Speech
Hunan University Changsha China；University of Cambridge Cambridge uk；Malanshan Audio\&Video Laboratory Changsha China；Hunan University；University of Cambridge；Malanshan Audio\&Video Laboratory
本文构建中文语音—文本数据集 DEBATE，利用发音、停顿、重音和语调研究文本歧义消解，并通过基准测试揭示大型语音模型与人类的口语意图理解差距。
2025-06-09 cs.CL
Can LLMs Judge Debates? Evaluating Non-Linear Reasoning via Argumentation Theory Semantics
Department of Computer Science, University of Arizona（亚利桑那大学计算机科学系）；CRIL CNRS & University of Artois（CNRS CRIL与阿维尼昂大学）
本文研究大语言模型能否在仅给定对话文本、无法访问论证图的情况下近似计算定量论证辩论（QuAD）语义，发现模型仅达到中等一致性，且长输入或话语流打乱会降低性能，而思维链和上下文学习等高级提示可缓解长度与位置偏差。
2025-09-19 cs.CL
The Confident Liar: Diagnosing Multi-Agent Debate with Log-Probabilities and LLM-as-Judge
University of California, Irvine（加州大学伊文斯分校）
研究多智能体辩论中令牌级对数概率、LLM评判分数与任务准确性的关系，发现信心与推理质量在构造者上关联更强，且信心可检测关键推理失败。
2026-06-09 cs.AI cs.CL
R-Debater: Retrieval-Augmented Debate Generation through Argumentative Memory
Wuhan College of Communication（武汉通信学院）；Wuhan College of Communication University of Auckland（武汉通信学院奥克兰大学）；University of Auckland（奥克兰大学）
R-Debater通过整合检索和结构化规划，实现了更忠实、一致且连贯的多轮辩论生成。
2025-12-31 cs.AI cs.CL
Tree-of-Concerns: Hierarchical Multi-Agent Debate for Unstated-Limitation Extraction in Scientific Critique
IIT Delhi（印度理工学院德里分校）
针对科学论文未陈述局限性提取的需求，本文提出Tree-of-Concerns多智能体框架，经ToC-Bench实验验证，其较最强基线提升79%准确率与11%覆盖度，可辅助审稿人开展系统性评估。
2026-09-22 cs.CL
Debbie, the Debate Bot of the Future
University of California, Santa Cruz（加州大学圣克鲁兹分校）
聊天机器人是对话系统的快速扩展的应用，公司转向机器人服务以提供客户支持，并为对休闲对话感兴趣的用户提供新的应用程序。闲聊的一种方式是争论，许多人喜欢的无非是一场精彩的争论。此外，有一些现有的语料库的辩论对话，注释的同意和不同意，立场，讽刺和论点的质量。本文介绍了Debbie，一个新颖的辩论机器人，从会话语料库中选择论点，并旨在适当地使用它们在上下文中。我们提出了一个初步的工作原型黛比，一些初步的评价和描述未来的工作。
2017-09-10 cs.CL
Removal of Hallucination on Hallucination: Debate-Augmented RAG
The Hong Kong Polytechnic University（香港理工大学）；Sichuan University（四川大学）
针对RAG中错误检索导致幻觉叠加的问题，提出辩论增强型RAG（DRAG），通过多智能体辩论优化检索与生成，提升事实准确性并减少幻觉。
2025-05-24 cs.AI cs.CL
DS@GT at Touché: Large Language Models for Retrieval-Augmented Debate
Georgia Institute of Technology（佐治亚理工学院）；Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学）；Joint Institute for Nuclear Research（联合核研究所）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Skövde（斯德哥尔摩大学）
本文研究LLMs在结构化辩论与辩论话语评估中的能力，部署六款公开模型进行检索增强辩论与评估，发现其辩论表现良好但回复冗长，评估保持一致。
2025-07-12 cs.CL cs.IR
Tree-of-Debate: Multi-Persona Debate Trees Elicit Critical Thinking for Scientific Comparative Analysis
Department of Computer Science, University of Illinois at Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校）
针对跨领域科学论文难以比较新颖性的问题，本文提出 Tree-of-Debate 框架，将论文转化为 LLM 角色并动态构建辩论树，以细粒度批判性推理辅助文献综述。
2025-06-09 cs.AI cs.CL
ChatEval: Towards Better LLM-based Evaluators through Multi-Agent Debate
Tsinghua University（清华大学）；Hong Kong University of Science and Technology（香港科技大学）；Peking University（北京大学）
本文提出 ChatEval 多智能体辩论框架，让多个 LLM 裁判协作讨论并评估生成文本，以更接近人类评估质量。
2023-08-14 cs.CL
Debate-to-Detect: Reformulating Misinformation Detection as a Real-World Debate with Large Language Models
School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院）；State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）
针对传统错误信息检测的静态分类局限，提出D2D多智能体辩论框架，通过五阶段对抗辩论和五维评估，利用GPT-4o在两个数据集上显著提升检测性能，并增强决策透明度。
2025-08-26 cs.AI cs.CL
LLMberjack: Guided Trimming of Debate Trees for Multi-Party Conversation Creation
University of Trento（特伦托大学）；Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会）
LLMberjack通过引导修剪辩论树，利用LLM辅助实现多方对话的高效创建，提升输出质量并减少人工工作量。
2026-11-03 cs.CL cs.HC
MADRAG: Multi-Agent Debate with Retrieval-Augmented Generation for Training-Free Analytic Essay Scoring
University of California, Irvine（加州大学尔湾分校）
提出MADRAG框架，结合多智能体辩论与检索增强，通过倡导者、批评者和法官的交互以及检索示例校准，实现无需训练的论文评分，性能接近监督系统。
2026-06-04 cs.CL cs.MA
COPA-SSE: Semi-structured Explanations for Commonsense Reasoning
Riken AIP（理化学研究所AIP）；Tohoku NLP Lab（东北大学自然语言处理实验室）
我们提出了COPA的半结构化解释（COPA-SSE），这是一个新的众包数据集，包含9，747个半结构化的英语常识解释，用于合理选择（COPA）问题。这些解释被格式化为一组类似三重的常识陈述，具有ConceptNet关系，但可以自由编写概念。这种半结构化格式在结构化数据的高质量但低覆盖率和自由形式众包的低质量但高覆盖率之间取得了平衡。每种解释还包括一组人类给出的质量评级。这些解释以其熟悉的格式面向在知识图谱上操作的常识推理者，并作为改进此类系统的持续工作的起点。该数据集可在https://github.com/a-brassard/copa-sse上获得。
2022-05-12 cs.CL
Ensemble Debates with Local Large Language Models for AI Alignment
针对专有API限制AI对齐研究可复现性的问题，本文提出本地开源大语言模型集成辩论方法，通过多场景多配置实验验证其对齐推理性能优于单模型，并开源相关资源支撑后续研究。
2025-11-15 cs.AI cs.CL
LLMSR@XLLM25: Less is More: Enhancing Structured Multi-Agent Reasoning via Quality-Guided Distillation
First Author Affiliation（第一作者机构）；Second Author Affiliation（第二作者机构）
本文提出LLMSR@XLLM25第三名方案Less is More，仅用24个标注示例，通过多智能体反向提示、GPT-4o检索增强合成与奖励过滤蒸馏监督，并基于LoRA+微调Llama-3-8B，提升低资源结构化推理。
2025-05-13 cs.CL
Persona Knowledge-Aligned Prompt Tuning Method for Online Debate
The Hong Kong University of Science and Technology（香港科技大学）；NVIDIA AI Technology Center (NVAITC)（英伟达人工智能技术中心）
该研究针对在线辩论中论证质量评估未结合受众社会人格的问题，提出人格知识对齐框架，借助ChatGPT的涌现能力通过提示调优将受众人格知识注入小模型，实现了性能的显著持续提升。
2024-10-05 cs.CL
A High-Quality Multilingual Dataset for Structured Documentation Translation
Google Brain（谷歌大脑）；Salesforce（赛富时）
本文提出了一个高质量的多语言数据集的文档领域推进结构化文本的本地化研究。与广泛使用的纯文本翻译数据集不同，我们从企业软件平台的在线文档中收集XML结构的并行文本段。这些网页由专业人员从英文翻译成16种语文，并由领域专家维护，每对语文约有10万个文本段。我们建立和评估的翻译模型为七个目标语言从英语，几个不同的复制机制和XML约束的束搜索。我们还用非英语对进行了实验，以表明我们的数据集有可能显式启用$17 \times 16$翻译设置。我们的实验表明，学习翻译与XML标签提高翻译的准确性，和束搜索准确地生成XML结构。我们还讨论了权衡使用复制机制，专注于翻译的数字字和命名的实体。我们还提供了一个详细的人工分析模型输出和人工翻译之间的差距，为现实世界的应用程序，包括后期编辑的适用性。
2020-06-24 cs.CL
Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning in the Real Court Setting
Peking University（北京大学）；Alibaba Group（阿里巴巴集团）；Indiana University Bloomington（印第安纳大学伯明顿分校）
法律判断预测是法律人工智能的一项重要任务。以往的方法都是在虚拟环境下，以法官总结的案件叙述作为输入来预测判决结果，而忽略了真实法庭环境下关键的案件生命周期信息，可能会影响案件逻辑表达质量和预测正确性。在本文中，我们引入了一个新的具有挑战性的数据集，从真实的法庭，以合理的预测方式预测法律判决，通过利用案件的真实输入-原告的索赔和法庭辩论数据，通过全面理解法庭辩论的多角色对话，自动识别案件的事实，然后通过多任务学习，学习判别索赔，从而达到最终判断。一组广泛的实验与大型民事审判数据集表明，所提出的模型可以更准确地描述之间的相互作用的索赔，事实和辩论的法律判决预测，实现了显着的改进，强大的国家的最先进的基线。此外，对真实法官和法学院学生进行的用户研究表明，神经预测也可以解释和易于观察，从而提高审判效率和审判质量。
2021-07-12 cs.CL
Automated Generation of High-Quality Medical Simulation Scenarios Through Integration of Semi-Structured Data and Large Language Models
本研究提出将半结构化数据与大语言模型（如ChatGPT3.5）集成，自动生成高质量、定制化的医学模拟场景，显著降低开发成本并提升学习效果。
2024-05-06 cs.CL
Claim Optimization in Computational Argumentation
Leibniz University Hannover（汉诺威莱布尼茨大学）；University of Bremen（不来梅大学）
本文提出论点优化任务，通过BART等大语言模型生成多样化候选论点并结合质量指标选择最佳候选，在英语语料库上改进了60%的论点质量，且能力可泛化至指导性文本等其他领域。
2023-09-07 cs.CL
Creating and Characterizing a Diverse Corpus of Sarcasm in Dialogue
University of Utah（犹他大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
社交媒体中讽刺和挖苦的使用使我们能够第一次大规模地研究它们。然而，它们的多样性使得很难构建一个高质量的讽刺对话语料库。在这里，我们描述了创建大规模、高度多样化的在线辩论论坛对话语料库的过程，以及我们以反问和夸张的形式操作讽刺类别的新颖方法。我们表明，我们可以使用词汇句法线索，可靠地检索讽刺话语的准确性高。为了证明我们的语料库的属性和质量，我们进行了监督学习实验，简单的功能，并表明，我们实现了更高的精度和F比以前的工作在辩论论坛对话的讽刺。我们采用弱监督的语言模式学习器，定性地分析了每个类中的语言差异。
2017-09-15 cs.CL
DART: A Lightweight Quality-Suggestive Data-to-Text Annotation Tool
Saarland University（萨尔兰大学）；Microsoft Corporation（微软公司）
我们提出了一个轻量级的注释工具，数据AnnotatoR工具（DART），用于标记结构化数据与文本描述的一般任务。该工具被实现为交互式应用，其减少了在注释大量结构化数据（例如，以表格或树结构的格式）时的人工努力。通过使用后端序列到序列模型，我们的系统迭代地分析注释的标签，以便更好地对未标记的数据进行采样。在对大量结构化数据进行注释的模拟实验中，DART已被证明可以减少主动学习和自动建议相关标签所需的注释总数。
2020-12-01 cs.CL
Graph-Guided Passage Retrieval for Author-Centric Structured Feedback
IIIT Hyderabad（IIIT海得拉尔学院）；Microsoft, India（微软公司）；Sentisum（Sentisum公司）
AutoRev通过基于图的检索增强生成框架，为作者提供结构化反馈，提升预提交阶段的高质量指导生成。
2026-01-09 cs.CL
Unleashing Diverse Thinking Modes in LLMs through Multi-Agent Collaboration
University of Birmingham, United Kingdom（英国伯明翰大学）
本文提出 DiMo 多智能体协作框架，让四种不同推理范式的 LLM 智能体进行结构化迭代辩论，在六个基准上提升准确率与推理可解释性。
2025-10-18 cs.AI cs.CL cs.LG
LLM-INSTRUCT at UZH Shared Task 2026: Constraint-Aware Retrieval and Selective Debate for Paragraph-Level Argument Mining
Vietnamese-German University（越南-德国大学）；RMIT University Vietnam（皇家墨尔本理工大学越南分校）；VANGIA INNOVATIONS（VANGIA创新公司）
本文介绍了在UZH 2026共享任务中用于段落级论证挖掘的获胜系统LLM-INSTRUCT，通过元数据感知检索、约束解码等方法缩小决策空间，提高了准确性和提交稳健性，在官方排行榜上取得优异成绩。
2026-07-24 cs.AI cs.CL
The Structured Output Benchmark: A Multi-Source Benchmark for Evaluating Structured Output Quality in Large Language Models
JigsawStack, Inc.（JigsawStack公司）；New Delhi, India（印度新德里）；San Francisco, CA, USA（美国旧金山）；Durgapur, WB, India（印度德里邦杜格apur）
本文提出SOB基准，用于评估大型语言模型在多源数据中的结构化输出质量，通过文本、图像和音频三种模态的测试数据，发现模型在结构合规性上表现良好，但价值准确性在不同数据源中差异显著。
2026-04-28 cs.AI cs.CL
RDF-Based Structured Quality Assessment Representation of Multilingual LLM Evaluations
Leipzig University of Applied Sciences（莱比锡应用科学大学）
提出基于RDF的框架评估多语言LLM在知识冲突下的质量，通过四种上下文条件捕获响应并分析知识泄露与多语言一致性，实验验证了词汇表在28个问题研究中的充分性。
2025-04-30 cs.AI cs.CL cs.IR
LiteLong: Resource-Efficient Long-Context Data Synthesis for LLMs
School of Artificial Intelligence, Beihang University（北航人工智能学院）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；Tsinghua University（清华大学）
本文提出LiteLong方法，利用BISAC层级主题组织和多智能体辩论机制，结合BM25检索高效合成128K长上下文训练数据，在降低计算与数据工程成本的同时取得有竞争力的长上下文性能。
2025-09-19 cs.AI cs.CL
Tabby: A Language Model Architecture for Tabular and Structured Data Synthesis
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
Tabby是一种用于表格和结构化数据合成的语言模型架构，通过门控专家混合机制提升数据生成质量，结合新型训练技术实现44%的质量提升。
2026-01-02 cs.CL cs.LG
EXPERT: An Explainable Image Captioning Evaluation Metric with Structured Explanations
Seoul National University（首尔国立大学）
本文提出无需参考的图像描述评估指标 EXPERT，基于流畅性、相关性和描述性提供结构化解释，通过构建大规模数据集和两阶段评估模板监督视觉语言模型，在基准数据集上取得最优结果且解释质量显著提升。
2025-06-30 cs.AI cs.CL cs.CV
Knowledge Graphs Generation from Cultural Heritage Texts: Combining LLMs and Ontological Engineering for Scholarly Debates
Università degli Studi di Bologna（博洛尼亚大学）；KNAW Humanities Cluster（荷兰皇家艺术与科学学院人文集群）
本文提出ATR4CH方法，通过大语言模型提取文化遗产文本知识，实现复杂知识的结构化表示，提升学术辩论中的知识查询能力。
2025-11-13 cs.AI cs.CL cs.DL
Less Back-and-Forth: A Comparative Study of Structured Prompting
Washington University in St. Louis（华盛顿大学圣路易斯分校）
本文研究了结构化提示设计是否能提高LLM响应质量并减少用户努力，通过比较三种提示条件，发现检查清单提示在任务完成、正确性、合规性和清晰度方面得分最高，且在质量和努力的平衡上表现最佳。
2026-10-06 cs.AI cs.CL cs.HC
Post-Training Probability Manifold Correction via Structured SVD Pruning and Self-Referential Distillation
SparseTech
SparseKD通过结构化SVD剪枝与自参考知识蒸馏，在训练后实现模型压缩，有效提升模型质量并减少参数量。
2026-01-30 cs.AI cs.CL cs.LG
BC Protocol: Structured Dual-Expert Dialogue for Eliciting High-Quality Chain-of-Thought Post-Training Data
针对大语言模型后训练中高质量专家思维链数据生产瓶颈，提出BC协议——一种结构化双专家引出方法，通过配对领域专家与知识工程师，系统外化专家隐性判断为自然语言推理链，实验证明其在推理过程自然性上具有压倒性优势。
2026-05-25 cs.AI cs.CL cs.LG
Harnessing Structured Knowledge: A Concept Map-Based Approach for High-Quality Multiple Choice Question Generation with Effective Distractors
Indian Institute of Science（印度科学研究院）
本文提出基于分层概念图引导大语言模型生成高质量物理多项选择题的框架，通过结构化知识注入有效干扰项，实验表明其在专家评估和学生测评中均显著优于基础LLM和RAG基线方法。
2025-08-19 cs.AI cs.CL cs.CY
