LLM辩论在不同语言中是否会以不同方式重复论点？

该论文通过prior-argument similarity指标，系统研究了LLM辩论中论点重复程度是否因语言而异。在71个议题、6种语言、8轮辩论、4种模型代理的受控实验中，中文是唯一相对于英文始终呈现正差距的语言，即中文辩论中模型更倾向于重复之前的论点。该差距在多种设置下依然稳健，且多样性提示虽能降低整体相似度，但未能显著缩小中英差距。

此前LLM辩论评估仅关注最终答案，忽略了论证过程的语言差异。该研究首次量化发现中文辩论中模型更易陷入论点重复，提示中文场景下的辩论质量可能因重复而降低，需在评估和优化中特别关注。

prior-argument similarity通过比较当前轮论点与前面轮次论点的语义相似度来衡量重复程度。中文的高相似度可能源于汉语的高语境特性、词汇重复倾向或训练数据中中文辩论样本的多样性不足，导致模型更自然地复用之前的论据。多样性提示虽能降低重复，但因语言固有特性而无法弥补差距。

使用中文的AI对话、辩论或逻辑推理产品需增加对论点重复的检测与抑制机制；评估体系应从最终答案扩展到论证过程新颖性；中文场景的prompt设计需更强调多样性引导，否则可能影响用户对AI辩论质量的感知。

• 为中文辩论类AI产品开发专门的多样性提示模板，降低论点重复率。
• 在中文辩论评估中引入prior-argument similarity指标，量化论证过程质量。
• 优化中文辩论模型训练数据，增加多角度、少重复的中文辩论样本。
• 设计基于语言特性的辩论策略，如对中文模型使用更激进的去重约束。

• 中文辩论中论点重复是否与训练数据中中文语料的分布或重复模式直接相关？
• 多样性提示能否通过针对中文的进一步调优（如更强调词汇替换）来缩小差距？
• 论点重复是否会导致LLM在中文辩论中产生更低的事实准确性或更少创新结论？
• 其他语言（如日语、韩语）是否存在类似模式？论文仅测试了6种语言。