论证立场预测：关于多模态与少样本学习的探索性研究
计算与语言
2023-10-12 v1
摘要
为推动将论证立场预测作为多模态问题，首届多模态论证挖掘共享任务在枪支管制与堕胎等关键社会话题上开展了立场预测。我们的探索性研究试图评估图像对推文立场预测的必要性，并将开箱即用的基于文本的大语言模型（LLM）在少样本设定下与微调的单模态及多模态模型进行比较。我们的工作表明，微调基于文本的语言模型集成（F1分数0.817）优于多模态模型（F1分数0.677）以及使用近期最先进LLM的基于文本的少样本预测（F1分数0.550）。除性能差异外，我们的发现表明，当图像内容被概括为自然语言而非其原生像素结构时，多模态模型往往表现更好，且使用上下文示例可改善LLM的少样本性能。
引用
@article{arxiv.2310.07093,
title = {Argumentative Stance Prediction: An Exploratory Study on Multimodality and Few-Shot Learning},
author = {Arushi Sharma and Abhibha Gupta and Maneesh Bilalpur},
journal= {arXiv preprint arXiv:2310.07093},
year = {2023}
}