본 논문은 텍스트에서 이슈 프레이밍(동일한 주제에 대한 서로 다른 관점)을 탐지하는 새로운 방법인 'paired completion'을 제시합니다. 기존의 프롬프트 기반 또는 임베딩 기반 방법과 달리, LLM의 다음 토큰 로그 확률을 활용하여 최소한의 예시만으로 대조적인 프레임을 탐지합니다. 합성 데이터셋과 사람이 라벨링한 말뭉치를 이용한 광범위한 평가를 통해, paired completion이 비용 효율적이고 편향이 적은 대안임을 보여주며, 특히 자원이 부족한 환경에서 대규모 텍스트 컬렉션의 이슈 프레이밍 분석을 위한 확장 가능한 솔루션을 제공합니다.
