[論文レビュー] ArgLLM-App: An Interactive System for Argumentative Reasoning with Large Language Models

Adam Dejl, Deniz Gorur+1 more|arXiv (Cornell University)|Feb 27, 2026

Explainable Artificial Intelligence (XAI)被引用数 0

ひとこと要約

ArgLLM-App は、二値判断のための ArgLLMs を実装するウェブベースのシステムで、対話的な QBAF の可視化、ユーザー編集、およびドキュメント型 RAG ガイダンスを提供し、推論の説明と反論を可能にします。

ABSTRACT

Argumentative LLMs (ArgLLMs) are an existing approach leveraging Large Language Models (LLMs) and computational argumentation for decision-making, with the aim of making the resulting decisions faithfully explainable to and contestable by humans. Here we propose a web-based system implementing ArgLLM-empowered agents for binary tasks. ArgLLM-App supports visualisation of the produced explanations and interaction with human users, allowing them to identify and contest any mistakes in the system's reasoning. It is highly modular and enables drawing information from trusted external sources. ArgLLM-App is publicly available at https://argllm.app, with a video demonstration at https://youtu.be/vzwlGOr0sPM.

研究の動機と目的

• ArgLLMs の利用を動機づけ、説明可能で反論可能な意思決定を実現する。
• 二値判断の base score から QBAF を生成するモジュール式のウェブシステムを提供する。
• ユーザーが基礎信頼度を調整し、攻撃者/支持者を追加して QBAF を拡張できるようにする。
• 信頼できる情報源を組み込むためのドキュメントベースおよびチャット駆動の QBAF 増強をサポートする。

提案手法

• サーバー上に ArgLLM ロジックを実装し、基盤 LLM へのアクセスを仲介する。
• 決定を攻撃と支持の相互作用を持つ QBAF として表現する。
• 段階的意味論（例：DF-QuAD）による最終主張の信頼度を、深さと幅を設定可能で計算する。
• 基礎スコアのユーザーによる調整と攻撃者/支持者の追加を可能にする。
• PDF をプロンプトデータへ解析して LLM へ提供することで、ドキュメントベースの QBAF 生成を組み込む。

実験結果

リサーチクエスチョン

• RQ1 ArgLLMs は二値タスクにおいて透明で反論可能な意思決定をどのように生み出すか。
• RQ2 深さ、幅、選択した段階的意味論が QBAF 派生結論に与える影響はどのようなものか。
• RQ3 基礎信頼度を編集し新たな論拠や情報源を追加することで、ユーザーは出力を効果的に改訂できるか。
• RQ4 RAG ベースの QBAF 生成を通じて外部文書を統合することの実現性と利点は何か。

主な発見

• ArgLLM-App は深さ 1 または 2、各論拠あたり攻撃者 4 名・支持者 4 名までの広がりをサポートする。
• 信頼できる証拠の強さを反映するためにスライダーを介して基礎信念度を変更できる。
• 対話的なコントロールを通じて支持者または攻撃者を追加することで QBAF を拡張できる。
• アップロードした PDF を解析して LLM プロンプトへ統合することで、ドキュメントベースの QBAF 生成を可能にする。