PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.06646v1cs.CL

CAF-Gen: 논증 구조 보강을 위한 다중 에이전트 시스템

CAF-Gen: A Multi-Agent System for Enriching Argumentation Structures

자연어 텍스트에서 복잡한 추론을 형식화하는 것은 계산 언어학의 중심 과제 중 하나입니다. 이는 시스템이 단순한 키워드뿐만 아니라 텍스트에 내재된 맥락과 복잡한 추론을 이해해야 함을 요구합니다. 현재의 논증 마이닝(Argument Mining, AM) 기법은 기본적인 주장과 전제를 식별하지만, 전제 유형, 증명 기준, 논증 스킴과 같은 특징을 포함하는 고급 스키마인 Carneades Argumentation Framework(CAF)에서 요구하는 더 풍부한 구조적 정보를 포착하는 데 어려움을 겪는 경우가 많습니다. 우리는 얕은 논증 구조를 CAF를 준수하는 논증 모델로 보강하도록 설계된 자동화된 다중 에이전트 프레임워크인 CAF-Gen을 도입하여 이러한 한계를 해결합니다. 반복적인 Creator-Reviewer 파이프라인을 사용하여, 생성자 에이전트(creator agent)의 출력은 구조적 무결성을 보장하기 위해 비평자 에이전트(critical agent)에 의해 검증됩니다. 이러한 다중 에이전트 협업은 단일 패스 생성 모델(single-pass generative models)에서 전형적인 구조적 불안정성을 완화하는 데 중요합니다. 우리의 실험은 반복적인 피드백 루프가 결과 데이터의 품질을 향상시키고 구조적으로 더 풍부한 모델을 생성하는 동시에 원본 주석(original annotations)과 강력한 정렬을 달성함을 보여줍니다. 우리의 연구 결과는 다중 에이전트 시스템이 단일 패스 생성의 한계를 극복할 수 있으며, 형식적 논증의 자동화된 모델링을 위한 강건한 방법론을 제공함을 보여줍니다.