Imponerende forskningsoppgave. 🚨 LLM-er er elendige til å motbere. Denne artikkelen viser nøyaktig hvorfor. De fleste AI-verktøy behandler motargumenter som en skriveoppgave. Lag høflig tekst. Hør selvsikker ut. Gå videre. Det er nettopp derfor de mislykkes på toppkonferanser. Denne forskningen snur hele imøtegåelsesproblemet på hodet. I stedet for å «generere et svar», behandler den imøtegåelser som en oppgave for å organisere beslutning + bevis. Systemet, kalt RebuttalAgent, er en multi-agent pipeline som nekter å skrive noe før logikken er vanntett. For det første atomiserer det tilbakemeldinger fra anmeldere. Hvert vagt avsnitt blir delt opp i presise, handlingsrettede spørsmål. Ingen poeng savnet. Ingen sammenkobling av uvedkommende kritikk. Dekning håndheves før noe annet skjer. Neste kommer den virkelige innovasjonen: bevisbasert resonnement. For hver bekymring bygger systemet en hybrid kontekst. Mesteparten av artikkelen forblir komprimert for å spare tokens, men de eksakte seksjonene som er relevante for den anmelderkommentaren er utvidet i full nøyaktighet. Hvis interne bevis ikke er nok, henter en søkeagent på forespørsel eksterne dokumenter og konverterer dem til sitatklare notater. Ingenting blir anlagt med mindre det kan spores. Så kommer steget de fleste LLM-verktøy hopper helt over: strategiverifisering. Før utarbeidelse genererer RebuttalAgent en eksplisitt responsplan. Den skiller: Hva kan avklares ved hjelp av eksisterende resultater Hva som virkelig krever nye eksperimenter Hva bør anerkjennes uten å overforplikte seg En kontrollagent reviderer denne planen for logisk konsistens og forpliktelsessikkerhet. Hvis et svar innebærer resultater som ikke eksisterer, blir det blokkert. Hallusinasjoner dør her....