RISE：推理时语义重排序提升修辞角色标注难例表现

RISE 用标签语义在推理时重排序，难例平均提升 9.15 个 macro-F1 点

资讯摘要

论文提出 RISE，一种推理时语义重排序框架，用于修辞角色标注（RRL）。该方法自动识别低置信度预测，利用对比学习得到的标签表示对模型输出重排序，无需重新训练或修改底层模型。作者在八个领域特定 RRL 数据集、七种语言模型（含编码器与因果架构）上实验，报告难例上平均提升 +9.15 macro-F1；并提出人工难度标注，与模型视角的 Cohen's kappa 为 0.40。

要点速读

1. RISE 在推理阶段识别低置信度难例，并用对比学习标签表示重排序，不重训模型
2. 在八个领域 RRL 数据集、七种语言模型上，作者报告难例平均提升 +9.15 macro-F1
3. 作者提出人工难度标注，模型与人工难度判断的 Cohen's kappa 为 0.40

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。