ICT-NLP at SemEval-2026 Task 3：更精简——基于联合训练与自适应集成的多语言编码器用于维度化方面情感回归
计算与语言
2026-05-12 v1
摘要
本文描述了我们为 SemEval-2026 Task 3 Track A Subtask 1 上的维度化方面情感回归（DimASR）所构建的系统。我们提出了一个完全基于多语言预训练编码器构建的轻量级且资源高效的系统，不依赖大语言模型或外部语料库。我们采用联合多语言和多域训练以促进跨语言迁移并缓解数据稀疏问题，引入受限回归转换以提高训练稳定性并约束预测值在有效范围内，同时采用基于子集搜索的自适应集成策略以降低预测方差。实验结果表明，我们的系统取得了强劲且一致的性能，在 zho-res 排名第 1，在 zho-lap 排名第 2，在 jpn-hot 排名第 3，其余数据集全部位于参赛队伍的上半部分。
引用
@article{arxiv.2605.10560,
title = {ICT-NLP at SemEval-2026 Task 3: Less Is More -- Multilingual Encoder with Joint Training and Adaptive Ensemble for Dimensional Aspect Sentiment Regression},
author = {Liyuan Huang and Jiawei He and Wutao Shen and Lin Li and Jin Zhang},
journal= {arXiv preprint arXiv:2605.10560},
year = {2026}
}