Más allá de las formas lógicas: patrones extraídos por LLM para la clasificación de falacias

Este estudio investiga si fusionar estructuras lógicas abstractas con señales lingüísticas a nivel de contexto mejora la clasificación automatizada de falacias lógicas, que a menudo aparecen en formas matizadas.

Los autores desarrollaron un marco que extrae inductivamente estos patrones a partir de ejemplos falaces y sus explicaciones utilizando Modelos de Lenguaje Grande (LLM).

Los experimentos en diferentes LLM y configuraciones de cero y un ejemplo demostraron mejoras estadísticamente significativas sobre las líneas base de cero ejemplos y superaron a los enfoques competidores.

Los experimentos entre conjuntos de datos validaron la generalización de este método, estableciendo la extracción de patrones basada en datos como un enfoque efectivo para generar representaciones lógicas.