다양성을 수용하기: 소프트 레이블을 활용한 다각적 접근

이전 연구들은 다양한 배경과 삶의 경험에 의해 형성된 주석 다양성을 채택하고 이를 모델 학습에 통합하는 것이, 즉 다각적 접근이 더 책임감 있는 모델 개발에 기여한다는 것을 보여줍니다. 따라서 본 논문에서는 논란이 있는 주제에 대해 여러 주석가들이 입장을 부여하는 입장 탐지 작업에서 관점 인식 모델을 설계하고 추가 평가하기 위한 새로운 프레임워크를 제안합니다. 또한 인간 및 LLM 주석을 통해 구축된 새로운 데이터셋을 공유합니다. 결과는 다각적 접근이 더 나은 분류 성능(더 높은 F1 점수)을 나타내며, 단일 진실을 사용하는 전통적인 접근 방식을 초월한다는 것을 보여주며, 아마도 입장 탐지 작업의 높은 주관성으로 인해 모델 신뢰 점수가 낮게 표시됩니다.