基于动态知识整合的证据驱动反驳生成研究

本研究针对大型语言模型（LLMs）在反驳生成中的有效性问题，提出了一种新的动态外部知识整合方法。通过构建专门的数据集并引入新的评估方法，实验结果表明，实时知识检索显著提高了反驳的相关性、说服力和真实性，为开发更可靠的反驳系统提供了新的思路。