Choosing the Lens: Strategic Perspective Activation in Context-Dependent Argumentation

📄 arXiv: 2605.31581v1 📥 PDF

作者: Albert Sadowski, Jarosław A. Chudziak

分类: cs.AI

发布日期: 2026-05-29

备注: Accepted to LAMAS&SR workshop at FLoC 2026

💡 一句话要点

提出上下文相关论证框架，解决论证评估中外部环境影响及策略选择问题。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 论证理论 上下文相关 策略选择 Dung框架 失败函数

📋 核心要点

  1. 现有形式化方法难以捕捉论证评估中外部环境的影响，以及agent对环境的策略性控制。
  2. 论文提出上下文相关论证框架(CDAFs)，通过引入依赖于上下文的失败函数来模拟外部环境的影响。
  3. 通过一个小型示例展示了agent如何通过策略性地激活部分相关性集合来影响论证结果，并定义了相应的决策问题。

📝 摘要（中文）

本文提出上下文相关论证框架(CDAFs)，扩展了Dung的论证理论，其中失败函数根据上下文确定哪些攻击成功。透视标记的专业化从相关性集合$ρ$和优先级$π$推导出失败函数。相关性集合是agent的行动空间。在一个小型示例中，agent的目标论点在每个完全相关的单射优先级下都被拒绝，但在部分激活下被接受，其中VAF受众无法镜像其中一个。定义了相应的决策问题ACTIVATION-MANIPULATION，并记录了基线复杂性界限。紧界和多agent变体仍未解决。

🔬 方法详解

问题定义：论文旨在解决在不同外部环境下对相同论证进行评估的问题。现有标准形式化方法无法直接捕捉到对环境具有影响力的agent的策略性杠杆作用，即agent如何通过改变环境来影响论证结果。现有方法的痛点在于缺乏对上下文依赖性和agent策略性选择的建模能力。

核心思路：论文的核心思路是引入上下文相关论证框架(CDAFs)，该框架允许失败关系依赖于上下文。通过定义一个失败函数，该函数根据上下文确定哪些攻击成功，从而模拟外部环境对论证的影响。Agent可以通过选择不同的上下文（即激活不同的相关性集合）来策略性地影响论证结果。

技术框架：CDAFs是Dung论证框架的扩展。其主要组成部分包括：论证集合、攻击关系和失败函数。失败函数是CDAFs的核心，它将上下文映射到攻击关系的子集，表示在该上下文中哪些攻击是有效的。论文还引入了透视标记的专业化，它使用相关性集合和优先级来定义失败函数。整体流程是：给定一个论证框架和一个上下文，失败函数确定有效的攻击关系，然后可以使用标准的论证语义来评估论证的可接受性。

关键创新：最重要的技术创新点在于引入了上下文相关的失败函数，从而能够对外部环境对论证的影响进行建模。与传统的Dung论证框架相比，CDAFs允许攻击关系的有效性依赖于上下文，这使得能够模拟agent通过改变环境来影响论证结果的策略性行为。

关键设计：论文的关键设计包括：1) 定义了上下文相关论证框架(CDAFs)的 formal 定义，包括论证集合、攻击关系和上下文相关的失败函数。2) 引入了透视标记的专业化，它使用相关性集合和优先级来定义失败函数。相关性集合表示agent的行动空间，优先级表示agent对不同相关性的偏好。3) 定义了决策问题ACTIVATION-MANIPULATION，该问题描述了agent如何选择一个上下文来最大化其目标论证的可接受性。

📊 实验亮点

论文通过一个小型示例展示了agent如何通过策略性地激活部分相关性集合来影响论证结果，即使在所有完全相关的单射优先级下，目标论点都被拒绝的情况下，仍然可以通过部分激活来接受目标论点。此外，论文还定义了相应的决策问题ACTIVATION-MANIPULATION，并记录了基线复杂性界限，为后续研究奠定了基础。

🎯 应用场景

该研究可应用于谈判、辩论、政策制定等领域，帮助agent在复杂的环境中策略性地选择行动，以影响论证结果，提升决策效果。例如，在政策辩论中，agent可以通过强调某些证据或论点（即激活相关性集合）来提高其政策建议的可接受性。该研究还可用于分析和设计更有效的论证系统。

📄 摘要（原文）

The same arguments often need to be evaluated under different external regimes. An agent with influence over the regime has a strategic lever that standard formalisms do not directly capture. We introduce context-dependent argumentation frameworks (CDAFs), an extension of Dung's theory in which a defeat function determines, per context, which attacks succeed. A perspective-labeled specialisation derives the defeat function from a relevance set $ρ$ and a priority $π$. The relevance set is the agent's action space. In a small worked example, the agent's target argument is rejected under every full-relevance injective priority, yet accepted under partial activations, one of which no VAF audience can mirror. We define the corresponding decision problem, ACTIVATION-MANIPULATION, and record baseline complexity bounds. Tight bounds and multi-agent variants are left open.