摘要
为培养批判性思维，人类学习者需识别、重构并评估论证，其中重构能显化潜在推断。本文探讨 LLM 是否可通过学习论证重构提升该能力。我们提出包含三项贡献的整体框架：自动重构任意论证的引擎（GAAR）、基于该引擎合成的高质量数据集（Arguinas），以及验证重构学习对下游任务益处的实验。结果显示，在七项批判性思维任务中，经重构训练的模型表现优于基线，且在 Arguinas 数据集上增益最显著。
AI 推荐理由
论文核心研究通过论证重构提升 LLM 批判性思维与推理能力，直接针对推理机制。
研究机构
卡内基梅隆大学语言技术研究所
韩国科学技术院信息与计算机科学系
论文信息