KCLarity at SemEval-2026 Task 6：面向政治回避检测的编码器与零样本方法
计算与语言
2026-04-15 v2
摘要
本文描述了 KCLarity 团队在 SemEval 2026 CLARITY 共享任务中参赛情况，该任务旨在对歧义和政治话语中的回避技术进行分类。我们检验了两种建模表述：(i) 直接预测清晰度标签，和 (ii) 预测回避标签并通过任务层次结构派生清晰度。我们进一步探索了几种辅助训练变体，并在回避优先表述下评估解码器模型的零样本设置。总体而言，两种表述的性能相当。在编码器模型中，RoBERTa-large 在公开测试集上取得最佳成绩，而零样本 GPT-5.2 在隐藏评估集上表现更好。
引用
@article{arxiv.2603.06552,
title = {KCLarity at SemEval-2026 Task 6: Encoder and Zero-Shot Approaches to Political Evasion Detection},
author = {Archie Sage and Salvatore Greco},
journal= {arXiv preprint arXiv:2603.06552},
year = {2026}
}
备注
Camera-ready version to appear in the SemEval 2026 Proceedings