논증 재구성(Argument Reconstruction)을 위한 LLM 기반 시스템

요약

본 연구는 자연어 텍스트로부터 추상적 논증 그래프를 재구성하기 위한 엔드 투 엔드(end-to-end) 대규모 언어 모델(LLM) 기반 시스템을 제시한다. 이 시스템은 다단계 파이프라인을 통해 논증 구성 요소(전제 및 결론)와 그들 간의 논리적 관계(지지, 공격, 언더컷)를 식별하고 유향 비순환 그래프(DAG)로 표현한다. 실험 결과, 본 시스템은 논증 구조를 효과적으로 복구하며 다양한 주석 체계에 걸쳐 합리적인 성능을 보여주어 확장 가능한 논증 재구성의 잠재력을 입증했다.

핵심 포인트

• LLM 기반의 다단계 파이프라인을 사용하여 자연어 텍스트에서 추상적 논증 그래프를 재구성할 수 있다.
• 논증 구조는 전제(premises)와 결론(conclusions)이라는 두 가지 구성 요소 유형과 지지, 공격, 언더컷 세 가지 관계 유형으로 표현된다.
• 시스템은 수동 평가 및 정량적 벤치마크 테스트를 통해 논증 구조 복구 능력을 입증했다.
• 본 연구는 확장 가능한 논증 재구성(Argument Reconstruction)을 위한 LLM 기반 파이프라인의 잠재력을 제시한다.