यह अध्ययन एक स्व-तर्कसंगतीकरण ढाँचे की जाँच करता है जिसमें एक जनरेटर और एक भविष्यवक्ता के बीच एक सहकारी खेल शामिल है। जनरेटर कच्चे इनपुट के सबसे सूचनात्मक भागों को निकालता है, और भविष्यवक्ता चयनित उपसमूह को इनपुट के रूप में उपयोग करता है। भविष्यवाणी की सटीकता को अधिकतम करने के लिए जनरेटर और भविष्यवक्ता को सहकारी रूप से प्रशिक्षित किया जाता है। यह शोधपत्र सबसे पहले एक संभावित समस्या का खुलासा करता है: सहकारी खेल अनजाने में युक्तिकरण निष्कर्षण के दौरान नमूनाकरण पूर्वाग्रह उत्पन्न कर सकता है। विशेष रूप से, जनरेटर अनजाने में चयनित युक्तिकरण उम्मीदवारों और लेबल के बीच झूठे सहसंबंध उत्पन्न कर सकता है, भले ही वे मूल डेटासेट में अर्थगत रूप से असंबंधित हों। फिर हम विस्तृत सैद्धांतिक विश्लेषण और अनुभवजन्य साक्ष्य का उपयोग करके इस पूर्वाग्रह की उत्पत्ति की व्याख्या करते हैं। हमारे परिणाम हमलों का उपयोग करके इन सहसंबंधों की जाँच करने के तरीके सुझाते हैं, और इन निष्कर्षों के आधार पर, हम भविष्यवक्ता को सहसंबंधों को सीखने से रोकने के लिए अतिरिक्त मार्गदर्शन प्रदान करते हैं। तीन नेटवर्क आर्किटेक्चर (जीआरयू, बीईआरटी और जीसीएन) का उपयोग करके छह पाठ वर्गीकरण डेटासेट और दो ग्राफ वर्गीकरण डेटासेट पर किए गए प्रयोगों से पता चलता है कि प्रस्तावित विधि हाल के युक्तिकरण विधियों से काफी बेहतर प्रदर्शन करती है और प्रतिनिधि एलएलएम (Llama3.1-8b-instruct) के बराबर या उससे बेहतर परिणाम प्राप्त करती है।
