온라인에서 이념적 구분을 넘어 사람들이 어떻게 논쟁하는지를 이해하는 것은 정치적 편향, 허위 정보, 그리고 콘텐츠 모던레이션 (콘텐츠 조절) 을 연구하는 데 중요합니다. 기존 데이터셋은 이 문제의 일부만 포착합니다: 일부는 텍스트를 보존하지만 상호작용 구조를 무시하고, 일부는 구조를 모델링하지만 풍부한 의미론 (semantics) 을 갖지 않으며, 다른 일부는 대화는 표현하지만 사용자 수준의 이념적 정체성은 안정되지 않습니다. 우리는 ControBench 를 소개합니다. 이는 이질적인 소셜 상호작용 그래프와 풍부한 텍스트 의미론을 결합한 논쟁적 담론 분석 벤치마크입니다. Reddit 의 토론에서 3 가지 주제 (Trump, abortion, religion) 에서 구축된 ControBench 는 7,370 명의 사용자, 1,783 개의 게시글, 그리고 26,525 개의 상호작용을 포함합니다. 그래프는 의미론적으로 풍부해진 엣지로 연결된 사용자 및 게시글 노드를 포함합니다; 특히, 사용자-댓글-사용자 엣지는 답변과 응답하는 부모 댓글을 모두 인코딩하여 지역 논쟁적 맥락을 보존합니다. 사용자 라벨은 Reddit flair 에서 파생되며, 수동 주석 (annotation) 없이 이념적 정체성의 확장 가능한 대안 (proxy) 을 제공합니다. 결과 데이터셋은 낮은 또는 음의 조정 동호성 (adjusted homophily) 을 보이며 (Trump: -0.77, Abortion: 0.06, Religion: 0.04), 이는 실제 세계 토론의 교차 구조를 반영합니다. 우리는 ControBench 에서 그래프 신경 네트워크 (GNN), 사전 학습 언어 모델, 그리고 대형 언어 모델을 평가하고 주제 및 모델 가족에 따라 다른 성능 패턴을 관찰했습니다. 특히 이념적 경계가 모호할 때입니다. 이러한 결과는 ControBench 를 논쟁적 담론 분석의 도전적이고 현실적인 벤치마크로 위치시킵니다.