论文
DS@GT ARC at Touché：大语言模型 用于检索增强辩论
DS@GT ARC at Touché: Large Language Models for Retrieval-Augmented Debate
摘要
我们将 DS@GT ARC 工作笔记提交扩展到 Touché 2025 检索增强辩论任务。该任务有两个子任务：在模拟辩论中生成下一个话语，并根据格莱斯格言的数量、质量、关系和方式评估辩论反应。 DS@GT ARC 提交内容包括来自三个提供商的六个领先的 LLM，通过检索增强提示管道进行提交。我们总结了工作论文的结果，并探讨了多 LLM 评估者协议是否是官方评估绩效的可靠代理。分析表明，前沿 LLM 系统是强响应发生器，并且作为评估者，他们在模型系列中强烈同意。然而，这种共识并不能可靠地跟踪官方评估目标，在质量准则上差距最大。本文随附的源代码位于 https://github.com/dsgt-arc/touche-2025-rad 和 https://github.com/dsgt-arc/touche-2025-rad-analysis。