mdok-style 在 SemEval-2026 Task 9：使用 QLoRA 微调 LLM 进行多语言极化检测
计算与语言
2026-05-05 v1 人工智能
摘要
SemEval-2026 Task 9聚焦于多语言极化检测。具体而言，它涵盖了沿三个轴（在子任务中）的多语言、多文化和多事件极化的识别，分别是检测、类型和表现形式。线上极化是一个值得关注的议题，因为它往往伴随仇恨言论、冒犯性话语以及社会分裂。因此，在其升级之前进行检测对于构建更安全更包容的在线空间至关重要。我们通过对中等规模LLM进行微调来应对该SemEval任务，采用QLoRA 参数高效微调技术进行序列分类任务。训练数据通过匿名化、小写、大写和同形字等方式扩充了多语言（22种语言）训练集，使检测更加稳健。
引用
@article{arxiv.2605.02695,
title = {mdok-style at SemEval-2026 Task 9: Finetuning LLMs for Multilingual Polarization Detection},
author = {Dominik Macko and Alok Debnath and Jakub Simko},
journal= {arXiv preprint arXiv:2605.02695},
year = {2026}
}
备注
Accepted to the SemEval-2026 workshop of the ACL 2026 conference