OpenDebateEvidence: A Massive-Scale Argument Mining and Summarization Dataset

我们介绍了OpenDebateEvidence，这是一个全面的数据集，用于从美国辩论社区收集的论证挖掘和摘要。该数据集包括超过350万篇具有丰富元数据的文档，使其成为最全面的辩论证据收集之一。OpenDebateEvidence捕捉了高中和大学辩论中的论点复杂性，为培训和评估提供了有价值的资源。我们进行了广泛的实验，证明了对最先进的大型语言模型进行微调，可以在各种方法、模型和数据集上进行论证性抽象摘要的有效性。通过提供这个全面的资源，我们旨在推进计算论证，并支持辩手、教育工作者和研究人员的实际应用。OpenDebateEvidence是公开可用的，以支持计算论证的进一步研究和创新。在这里访问它：https://huggingface.co/datasets/Yusuf5/OpenCaselist

本论文旨在提供一个全面的辩论数据集，以支持计算论证的发展和实际应用。同时，论文探索了使用最先进的大型语言模型进行辩论摘要的效果。

本论文的关键思路是使用辩论社区的数据集来提高计算论证的效果，并使用最先进的大型语言模型来进行辩论摘要。相比当前领域的研究，这篇论文的思路在于使用辩论社区的数据集来提高计算论证的效果，这是一个新的尝试。

本论文提供了一个包含超过350万个文档的全面的辩论数据集，并使用了最先进的大型语言模型来进行辩论摘要。实验结果表明，该方法在各种方法、模型和数据集上都具有很高的效果。此外，该数据集对于辩手、教育工作者和研究人员来说都是非常有价值的资源。该数据集已公开发布以支持进一步的研究和创新。

最近在这个领域中，还有一些相关的研究被进行。例如，Biran等人在2017年的论文“Argument Generation with Retrieval, Planning, and Realization”中探讨了使用检索、规划和实现来生成论点的方法。另外，Stab和Gurevych在2017年的论文“Parsing Argumentation Structures in Persuasive Essays”中介绍了一种用于解析论点结构的方法。