semeval-2026

AsymVerify是一种面向政治规避检测的置信门控验证系统，在SemEval-2026任务6中取得第二名，宏F1为0.85。它采用非对称双验证器设计来纠正低置信度预测，相比单次分类有所改进。

本文介绍了5ting系统，这是一个用于多轮检索增强生成（RAG）的系统，融合了BGE-M3密集检索、FAISS索引、基于LLM的重排序以及证据约束生成。该系统在SemEval-2026任务8中取得了出色成绩，检索nDCG@5达到0.4719，端到端调和得分为0.5597。

SwanNLP在SemEval-2026任务5中提出了一个基于LLM的合理性评分框架，用于叙述词义消歧任务。该框架采用结构化推理和动态少样本提示技术，预测短篇故事中词义的人类感知合理性。研究表明，通过少样本提示和模型集成，商用大参数语言模型能够有效复现真实叙述场景中的人类判断模式。