Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
문맥에 따라 논증의 성패가 결정되는 CDAFs(Context-Dependent Argumentation Frameworks) 프레임워크를 제안합니다. 에이전트가 전략적 레버를 활용해 관점을 활성화함으로써 논증의 결과를 조절할 수 있음을 이론적으로 증명합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기동일한 논증이라도 서로 다른 외부 체제(external regimes) 하에서 평가되어야 하는 경우가 많습니다. 체제에 영향력을 행사할 수 있는 에이전트(agent)는 표준적인 형식주의(formalisms)가 직접적으로 포착하지 못하는 전략적 레버(strategic lever)를 가집니다. 본 논문에서는 문맥 의존적 논증 프레임워크 (Context-Dependent Argumentation Frameworks, CDAFs)를 소개합니다. 이는 Dung의 이론을 확장한 것으로, 패배 함수(defeat function)가 문맥에 따라 어떤 공격이 성공할지를 결정합니다. 관점 레이블이 지정된 특수화(perspective-labeled specialisation)는 관련성 집합(relevance set) $ρ$와 우선순위(priority) $π$로부터 패배 함수를 도출합니다. 여기서 관련성 집합은 에이전트의 행동 공간(action space)입니다. 작은 실례를 통해, 에이전트의 대상 논증은 모든 완전 관련성 단사 우선순위(full-relevance injective priority) 하에서는 거부되지만, 부분 활성화(partial activations) 하에서는 수용됨을 보여줍니다. 이 중 하나는 어떠한 VAF 청중(audience)도 모방할 수 없는 것입니다. 우리는 이에 대응하는 결정 문제인 ACTIVATION-MANIPULATION을 정의하고, 기준 복잡도 경계(baseline complexity bounds)를 기록합니다. 타이트한 경계(Tight bounds) 및 다중 에이전트 변형(multi-agent variants)에 대한 연구는 향후 과제로 남겨둡니다.