论文页面 - PAST-TIDE：基于原型锚定与主题不变归一化的陈述调优立场检测方法

来源：https://huggingface.co/papers/2607.04690

摘要

我们提出了 PAST-TIDE，一种面向 NakbaNLP@LREC-COLING 2026 中 StanceNakba 共享任务两个子任务的立场检测系统。其核心思路是陈述调优。我们将立场重新定义为完形填空式的掩码语言建模（MLM），利用 verbalizer 将标签词映射到立场类别，通过预训练的 MLM 头部而非追加随机初始化的分类头部来实现。在此基础上，我们补充了原型对比学习——使用可学习的类别原型进行独立于批次大小的对比训练——以及主题条件层归一化，用于跨主题的阿拉伯语立场检测。PAST-TIDE 在官方排行榜上取得了子任务 A 宏 F1 分数 0.75 和子任务 B 宏 F1 分数 0.74 的成绩，表明在预训练模型上进行极小的架构扩展即可在低资源场景下保持竞争力。

查看 arXiv 页面 (https://arxiv.org/abs/2607.04690) 查看 PDF (https://arxiv.org/pdf/2607.04690) GitHub1 (https://github.com/Shakhoyat/PAST-TIDE) 添加到集合 (https://huggingface.co/login?next=%2Fpapers%2F2607.04690)

在你的 agent 中获取本文：

hf papers read 2607\.04690

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

暂无模型引用本文

在模型 README.md 中引用 arxiv.org/abs/2607.04690 以从此页面链接。

引用本文的数据集0

暂无数据集引用本文

在数据集 README.md 中引用 arxiv.org/abs/2607.04690 以从此页面链接。

引用本文的 Spaces0

暂无 Space 引用本文

在 Space README.md 中引用 arxiv.org/abs/2607.04690 以从此页面链接。

包含本文的收藏集0

暂无包含本文的收藏集

将本文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。