DiscoTrace 获 EMNLP 2026 最佳论文：LLM 答题策略缺乏人类式的社区多样性

马里兰大学的 DiscoTrace 论文获 EMNLP 2026 最佳论文奖，该方法将答案表示为「话语行为+对问题的解读」序列，标注在修辞结构理论（RST）解析之上。应用到九个社区的求真问答数据后发现，各社区在答案构建上偏好明显不同，而 LLM 即使被提示模仿特定社区风格，也不表现出修辞多样性，且系统性地「求广」，会回答人类答题者不会涉及的解读角度。