作者上下文可提升人类与大模型的立场检测表现。
资讯摘要
论文将政治立场检测重新定义为“作者信息增强的文本理解”任务，要求从文本同时推断作者政治倾向及其对目标的立场。作者报告，人类标注者难以从单条推文判断作者倾向与立场，预训练大语言模型在该设定下也低于人类水平；引入作者上下文后，人类与模型的表现均有提升，对被视为讽刺的推文尤为明显。实验还显示，模型可经微调预测作者政治归属，作者信息增强的微调优于标准微调，并提升跨数据集泛化能力。团队同时发布了一个带立场标签、含作者上下文信息的大型推文数据集。
要点速读
- 论文将政治立场检测重构为同时推断作者政治倾向与立场的作者信息增强任务。
- 作者报告人类与预训练大语言模型仅凭单条推文判断均较困难，模型表现低于人类。
- 作者信息增强的微调优于标准微调，并提升跨数据集泛化；团队发布了相应大型数据集。
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 2026/10/31 08:00:18（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。