2026年10月24日付でarXivプラットフォームに掲載された新たな研究（ID: 2610.30987v1）は、ソーシャルメディアにおいて頻繁に見られるものの、統一的な判定が難しい修辞現象——エンティメ（前提や結論が明示されていない議論）——に焦点を当てている。このような議論は、ワクチン接種や移民など、論争の多い政治トピックに関するツイートにおいて高頻度で出現し、読者が論理の空白を自ら補完しなければならないため、同一のテキストにエンティメが含まれるかどうかについて、異なるラベラー間で顕著な意見の相違が生じている。
研究では、5人のアノテーターが共同でラベル付けしたツイートのデータセットを用いて実験を行い、すべてのファインチューニング済みモデルのF1スコアが約0.67で安定していることを確認しました。しかも、このボトルネックはデータ規模や特徴量エンジニアリング、ラベルの種類には依存しないことが示されました。これにより著者らは、従来の単一ポイントによる予測評価手法の妥当性に疑問を呈し、代わりにモデル出力と全アノテーターの投票分布を比較する新たな評価フレームワークを提案しました。さらに、その分布を直接予測できるモデルも構築しました。このモデルは同等のF1スコアを維持しつつ、人間の判断の離散性をより正確に反映しています。
さらなる分析によれば、現行のモデルおよび言語性解析器はいずれも明示的な論証構造に強く依存しており、エンティメを含まないツイートは確実に識別できる一方で、エンティメを含むツイートについてはほとんど確かな判断を下せない。両者の共通する盲点は、論理的接続が完全に隠されており、読者の背景知識に基づいて推論しなければならないような論証を識別できない点にある。論文の最後では、こうした限界が多数のラベル付きデータによる学習に依存するコンテンツ審査システムにとって実質的なリスクをもたらすと指摘している――システムは操作的でありながら構造が隠されたエンティメを通過させてしまったり、文脈理解を要する妥当な議論を誤って削除してしまったりするおそれがあるのだ。