用LLM生成反駁：首先洞察審稿人的心理，再巧妙回應(yīng)！

在科研領(lǐng)域，同行評(píng)審(review-rebuttal)是保證學(xué)術(shù)質(zhì)量的關(guān)鍵環(huán)節(jié)。這一過程中的辯論和反駁非常具有挑戰(zhàn)性。傳統(tǒng)的同行評(píng)審生成任務(wù)通常集中在表面層面的推理。研究人員發(fā)現(xiàn)，考慮論點(diǎn)背后的態(tài)度根源和主題可以提高反駁的有效性。

今天介紹的這篇研究將心理學(xué)理論與辯論技術(shù)相結(jié)合，為計(jì)算辯論領(lǐng)域帶來了新的視角。具體來說，文章主要做了以下工作：

• 提出了一種全新的同行評(píng)審反駁生成任務(wù)——柔道辯論(Jiu-Jitsu Argumentation)，結(jié)合態(tài)度根源和主題進(jìn)行辯論。
• 開發(fā)了JITSUPEER數(shù)據(jù)集，包含豐富的態(tài)度根源、主題和典型反駁案例。
• 為同行評(píng)審反駁生成提供了強(qiáng)大的基準(zhǔn)線。

Paper: Exploring Jiu-Jitsu Argumentation for Writing Peer Review Rebuttals
Link: https://arxiv.org/pdf/2311.03998.pdf

做一個(gè)專門面向年輕NLPer的每周在線論文分享平臺(tái)

Jiu-Jitsu Argumentation

同行評(píng)審對(duì)于確?？茖W(xué)的高質(zhì)量至關(guān)重要：作者提交研究成果，而審稿人則辯論應(yīng)不應(yīng)該接受其發(fā)表。通常評(píng)審后還會(huì)有一個(gè)反駁階段。在這里，作者有機(jī)會(huì)通過反駁論點(diǎn)來說服審稿人提高他們的評(píng)估分?jǐn)?shù)。

這篇文章探索了同行評(píng)審領(lǐng)域中態(tài)度根源的概念，即在審查科學(xué)論文的標(biāo)準(zhǔn)時(shí)，識(shí)別審稿人的潛在信仰和觀點(diǎn)。

作者首先定義典型的rebuttal為：一種與潛在態(tài)度根源相一致并解決它們的反駁論點(diǎn)。它足夠通用，可以作為模板用于許多相同（態(tài)度根源-主題）審稿元組的實(shí)例，同時(shí)表達(dá)特定的反駁行動(dòng)。

根據(jù)這個(gè)定義，作者提出了態(tài)度根源和主題引導(dǎo)的反駁生成任務(wù)：給定一個(gè)同行評(píng)審論點(diǎn)rev和一個(gè)反駁行動(dòng)a，任務(wù)是根據(jù)rev的態(tài)度根源和主題生成典型反駁c。

下圖展示了如何通過一系列中間步驟，將審稿內(nèi)容映射到標(biāo)準(zhǔn)的反駁上。這個(gè)審稿的主要觀點(diǎn)是關(guān)于清晰度和整體性。

JITSUPEER 數(shù)據(jù)集

為了評(píng)估反駁生成任務(wù)，作者構(gòu)建了JITSUPEER數(shù)據(jù)集。該數(shù)據(jù)集專注于同行評(píng)審過程中的態(tài)度根源和主題，通過連接這些元素與基于特定反駁行動(dòng)的典型反駁，實(shí)現(xiàn)了一種態(tài)度和主題引導(dǎo)的反駁生成方法。

• 態(tài)度根源與主題分布： 大多數(shù)審稿句子的態(tài)度根源是“實(shí)質(zhì)性”（Substance），這也是擁有最多主題（29個(gè)）的根源。最常見的主題是方法論（Methodology）、實(shí)驗(yàn)（Experiments）和相關(guān)工作（Related Work）。這一發(fā)現(xiàn)符合直覺，因?yàn)?a target="_blank">機(jī)器學(xué)習(xí)領(lǐng)域的審稿者通常非常關(guān)注方法論的穩(wěn)健性和實(shí)用性。
• 典型反駁識(shí)別： 研究團(tuán)隊(duì)為不同的態(tài)度根源和反駁行動(dòng)識(shí)別了302個(gè)典型反駁。這些典型反駁可以映射到2,219個(gè)審稿句子（總共2,332個(gè)）。與“完成任務(wù)”（Task Done）這一反駁行動(dòng)和“實(shí)質(zhì)性”態(tài)度根源相關(guān)的典型反駁句子數(shù)量最多。
• 典型反駁示例： 在報(bào)告的表格中，研究團(tuán)隊(duì)展示了一些典型反駁的例子。顯然，不同的態(tài)度根源-主題描述與不同的典型反駁相關(guān)聯(lián)。

起始數(shù)據(jù)集

作為JITSUPEER的基礎(chǔ)，研究團(tuán)隊(duì)采用了名為DISAPERE的數(shù)據(jù)集，該數(shù)據(jù)集包含了2019年和2020年ICLR會(huì)議的審稿和相應(yīng)反駁。這些審稿和反駁被細(xì)致地分解成單個(gè)句子，并被三層注釋標(biāo)記，包括審稿方面和極性、審稿與反駁之間的鏈接，以及反駁行動(dòng)的直接注釋。特別地，研究團(tuán)隊(duì)關(guān)注于需要反駁的負(fù)面審稿句子，探索了審稿方面的使用，以此來體現(xiàn)社區(qū)共享的科學(xué)價(jià)值觀。

此外，研究者還使用了另一數(shù)據(jù)集PEER-REVIEW-ANALYZE，該數(shù)據(jù)集是一個(gè)基準(zhǔn)資源，包含2018年ICLR的審稿，同樣配備了多層注釋。這些注釋包括了審稿句子所指目標(biāo)論文的特定部分，如方法、問題陳述等，這些信息被視為態(tài)度主題的關(guān)鍵元素。這一研究提供了一個(gè)獨(dú)特的視角，通過關(guān)注論文的特定部分，進(jìn)一步豐富了對(duì)工作的潛在信仰和主題信息的理解。

數(shù)據(jù)集豐富化

在這項(xiàng)研究中，研究團(tuán)隊(duì)的目標(biāo)是創(chuàng)建一個(gè)詳盡的語料庫，其中審稿句子不僅被標(biāo)注為態(tài)度根源和主題，而且還與特定反駁行動(dòng)的典型反駁句子相連接。為了實(shí)現(xiàn)這一目標(biāo)，研究團(tuán)隊(duì)采用了一系列方法來豐富DISAPERE數(shù)據(jù)集。

主題預(yù)測(cè)

首先，他們使用了PEER-REVIEW-ANALYZE數(shù)據(jù)集來預(yù)測(cè)態(tài)度主題，即審稿句子中所涉及的論文部分。研究團(tuán)隊(duì)測(cè)試了不同的模型，包括通用模型和針對(duì)同行評(píng)審領(lǐng)域的專門模型，如BERT、RoBERTa和SciBERT。他們通過中間層的遮蔽語言模型(MLM)對(duì)這些模型進(jìn)行了領(lǐng)域?qū)ｉT化處理，并在多個(gè)配置下進(jìn)行了訓(xùn)練和優(yōu)化。研究團(tuán)隊(duì)在變壓器的頂部添加了sigmoid分類頭，以進(jìn)行微調(diào)，并對(duì)不同的學(xué)習(xí)率進(jìn)行了網(wǎng)格搜索。他們基于驗(yàn)證性能采用早期停止策略，并在PEER-REVIEW-ANALYZE數(shù)據(jù)集上評(píng)估了模型的性能。結(jié)果顯示，所有變壓器模型的性能都顯著優(yōu)于基線模型，其中經(jīng)過領(lǐng)域?qū)ｉT化處理的SciBERTds_neg模型表現(xiàn)最佳。

根源–主題集群描述

接下來，研究團(tuán)隊(duì)對(duì)每個(gè)態(tài)度根源–主題集群添加額外的自然語言描述，旨在提供比單純標(biāo)簽元組更豐富的人類可解釋性。他們通過比較自動(dòng)和手動(dòng)生成的摘要來完成這一步驟。

摘要生成：在自動(dòng)摘要方面，研究團(tuán)隊(duì)采用了領(lǐng)域特定的SciBERTds_neg模型對(duì)句子進(jìn)行嵌入，并根據(jù)余弦相似度選擇最具代表性的審稿句子。

評(píng)估： 研究團(tuán)隊(duì)通過展示摘要和相應(yīng)的集群句子給注釋者，讓他們選擇更好地描述集群的摘要。他們使用INCEpTION開發(fā)了注釋界面，并雇用了額外的計(jì)算機(jī)科學(xué)博士生進(jìn)行標(biāo)注。通過測(cè)量注釋者間的一致性，研究團(tuán)隊(duì)確保了摘要的質(zhì)量和準(zhǔn)確性。

確定典型反駁

研究團(tuán)隊(duì)為每個(gè)態(tài)度根源-主題集群確定典型的反駁，這是通過考慮特定的反駁行動(dòng)來完成的。這一過程分為三個(gè)步驟：首先，減少候選典型反駁的數(shù)量；其次，手動(dòng)比較縮減后候選集中的反駁句子對(duì)；最后，基于成對(duì)比較的分?jǐn)?shù)計(jì)算排名，并選擇排名最高的候選作為典型反駁。

候選集減少：為了縮減典型反駁的候選集，研究團(tuán)隊(duì)采用了兩種適用性分類器得出的分?jǐn)?shù)。首先是一個(gè)二元分類器，基于自行訓(xùn)練，用于預(yù)測(cè)一個(gè)反駁句子作為典型反駁的整體適用性。其次，考慮到典型反駁的原型性質(zhì)，他們還使用了SPECIFICITELLER模型來獲得特定性分?jǐn)?shù)。該模型是一個(gè)預(yù)訓(xùn)練的基于特征的模型，用來評(píng)估句子是通用的還是具體的。通過這兩個(gè)步驟，研究團(tuán)隊(duì)最終將候選集縮減至1,845個(gè)候選。

手動(dòng)標(biāo)注：在手動(dòng)決定典型反駁方面，研究團(tuán)隊(duì)設(shè)計(jì)了一套方法：展示來自特定態(tài)度根源和主題集群的≤5個(gè)審稿句子，并將這些信息與特定的反駁行動(dòng)配對(duì)。然后，他們隨機(jī)選擇兩個(gè)反駁句子，這些句子與集群中的任一審稿句子相關(guān)，并對(duì)應(yīng)于所選的反駁行動(dòng)。標(biāo)注者需要從這對(duì)反駁句子中選擇更好的一個(gè)。對(duì)于每個(gè)（態(tài)度根源、態(tài)度主題、反駁行動(dòng)）三元組的n個(gè)反駁句子，成對(duì)標(biāo)注設(shè)置需要對(duì)n(n ? 1)/2對(duì)句子進(jìn)行評(píng)判。研究團(tuán)隊(duì)雇傭了兩名計(jì)算機(jī)科學(xué)博士生進(jìn)行這項(xiàng)任務(wù)。

典型反駁選擇:研究團(tuán)隊(duì)基于收集的偏好通過注釋圖排名得出最佳反駁。具體來說，他們?yōu)槊總€(gè)根源-主題-行動(dòng)集群創(chuàng)建了一個(gè)有向圖，圖中的節(jié)點(diǎn)是反駁句子。邊的方向基于偏好：如果A優(yōu)于B，則創(chuàng)建A → B的邊。然后，他們使用PageRank算法對(duì)節(jié)點(diǎn)進(jìn)行排名，每條邊的權(quán)重為0.5。排名最低的節(jié)點(diǎn)，即很少或沒有入邊的節(jié)點(diǎn)，被選為典型反駁。這種方法不僅提高了數(shù)據(jù)集的質(zhì)量和實(shí)用性，也為未來在類似領(lǐng)域的研究提供了一個(gè)有力的方法論參考。

實(shí)驗(yàn)分析

研究團(tuán)隊(duì)提出了三項(xiàng)新穎的任務(wù)，以在其數(shù)據(jù)集上進(jìn)行測(cè)試。分別是典型反駁評(píng)分，審稿意見生成，典型反駁生成。

典型反駁評(píng)分

這個(gè)任務(wù)的目標(biāo)是給定一個(gè)自然語言描述d和一個(gè)反駁行動(dòng)a，對(duì)所有反駁r（與特定態(tài)度根源-主題集群相關(guān)）進(jìn)行評(píng)分，以表明r作為該集群的典型反駁的適用性。

這個(gè)任務(wù)被視為一個(gè)回歸問題。只考慮有典型反駁的反駁行動(dòng)和態(tài)度根源-主題集群的組合（50個(gè)態(tài)度根源-主題集群描述，3,986個(gè)反駁句子，其中302個(gè)是典型反駁）。使用之前的PageRank分?jǐn)?shù)作為模型訓(xùn)練的預(yù)測(cè)目標(biāo)。

結(jié)果

• 從下表可以看出，大多數(shù)領(lǐng)域?qū)ｉT化模型的表現(xiàn)優(yōu)于它們的非專門化對(duì)應(yīng)模型。

• SciBERTds_all 在所有方面都有最高的皮爾遜相關(guān)系數(shù)，然而，BERTds_neg 在排名分?jǐn)?shù)方面表現(xiàn)最佳。

• 使用其他與集群相關(guān)的信息，如代表性審稿句子，以及對(duì)描述進(jìn)行釋義，可能會(huì)帶來進(jìn)一步的收益，這將留待未來研究探究。

審稿描述生成

給定一條同行評(píng)審句子rev，任務(wù)是生成該句子所屬集群的抽象描述d 。

實(shí)驗(yàn)設(shè)置

• 數(shù)據(jù)集由2,332個(gè)審稿句子組成，每個(gè)句子都屬于144個(gè)集群之一，并且每個(gè)集群都有相關(guān)的描述。
• 采用70/10/20的訓(xùn)練-驗(yàn)證-測(cè)試分割。
• 使用以下序列到序列（seq2seq）模型：BART (bart-large)、Pegasus (pegasus-large) 和 T5 (t5-large)。
• 對(duì)訓(xùn)練周期數(shù)e∈{1, 2, 3, 4, 5}和學(xué)習(xí)率λ∈{1 * 10^-4, 5 * 10^-4, 1 * 10^-5}進(jìn)行網(wǎng)格搜索，批量大小b = 32。
• 使用帶有5個(gè)束的束搜索作為解碼策略。
• 在完全微調(diào)設(shè)置以及零次和少次（few-shot）場(chǎng)景中進(jìn)行實(shí)驗(yàn)（隨機(jī)選擇次數(shù)）。
• 根據(jù)詞匯重疊和語義相似性（ROUGE-1 (R-1), ROUGE-2 (R-2), ROUGE-L (R-L) 和 BERTscore）報(bào)告性能。

結(jié)果

• R-1分?jǐn)?shù)展示在下圖中，完整結(jié)果在表中。

• 有趣的是，所有模型都表現(xiàn)出非常陡峭的學(xué)習(xí)曲線，在僅看到一個(gè)例子時(shí)，根據(jù)大多數(shù)指標(biāo)，性能大致翻了一番。
• 在zero shot和one shot設(shè)置中，BART在所有方面表現(xiàn)出色。
• 但在完全微調(diào)模型時(shí)，T5的表現(xiàn)最佳。研究團(tuán)隊(duì)推測(cè)這可能與T5更大的容量有關(guān)（BART有406M參數(shù)，而T5有770M參數(shù)）。

典型反駁生成

給定一條審稿句子rev 和一個(gè)反駁a，任務(wù)是生成典型反駁c。

實(shí)驗(yàn)設(shè)置

• 從2,219個(gè)有至少一個(gè)行動(dòng)的典型反駁的審稿句子開始。
• 輸入為將rev和a與分隔符連接在一起，產(chǎn)生17,873個(gè)獨(dú)特的審稿-反駁行動(dòng)實(shí)例。
• 使用與前面實(shí)驗(yàn)相同的超參數(shù)、模型和度量標(biāo)準(zhǔn)，并進(jìn)行完全微調(diào)以及零次和少次預(yù)測(cè)實(shí)驗(yàn)。
• 對(duì)這些實(shí)驗(yàn)，應(yīng)用70/10/20的訓(xùn)練-驗(yàn)證-測(cè)試分割，以獲取訓(xùn)練-驗(yàn)證-測(cè)試部分，以典型反駁（302個(gè)反駁與17,873個(gè)獨(dú)特實(shí)例相連）為層次。

結(jié)果

• 模型間的差異與之前的發(fā)現(xiàn)一致：BART在零次和少次設(shè)置中表現(xiàn)出色，T5雖然起點(diǎn)最低，但很快趕上其他模型。

• 模型的表現(xiàn)比以前更加陡峭，并在兩次嘗試后就似乎達(dá)到了一個(gè)平臺(tái)。研究團(tuán)隊(duì)認(rèn)為這與典型反駁的有限多樣性有關(guān)，以及他們決定在典型反駁層次上進(jìn)行的訓(xùn)練-測(cè)試分割——任務(wù)是生成模板，并對(duì)這些模板進(jìn)行概括?？吹狡渲兄挥袔讉€(gè)模板后，模型很快就能抓住一般的要點(diǎn)，但無法超越它們所展示的內(nèi)容。

結(jié)語

在這項(xiàng)工作中，研究團(tuán)隊(duì)探索了基于審稿者潛在態(tài)度驅(qū)動(dòng)的同行評(píng)審中的柔術(shù)式論證，為此他們創(chuàng)建了JITSUPEER數(shù)據(jù)集。這個(gè)新穎的數(shù)據(jù)集包含與典型反駁相連的審稿句子，這些典型反駁可以作為撰寫有效同行評(píng)審反駁的模板。團(tuán)隊(duì)在這個(gè)數(shù)據(jù)集上提出了不同的自然語言處理任務(wù)，并對(duì)多種基線策略進(jìn)行了基準(zhǔn)測(cè)試。JITSUPEER的注釋將公開提供，研究團(tuán)隊(duì)相信這個(gè)數(shù)據(jù)集將成為促進(jìn)計(jì)算論證領(lǐng)域中有效同行評(píng)審反駁寫作研究的寶貴資源。