多视角作为叙事相似性预测的资源
计算与语言
2026-03-24 v1
摘要
预测叙事相似性可以被理解为一种本质上具有解释性的任务：不同的、同样有效的文本阅读可以产生不同的解释，从而导致不同的相似性判断，这对编码单一真实值的语义评估基准构成了根本性挑战。本文提出不把这种多视角性视为要克服的挑战，而是将其纳入预测系统的决策过程中。为探索这一策略，我们创建了一个由 31 个 LLM 人格组成的集团，这些人格范围从遵循解释框架的专业人士到更直观的、类似普通人的方式的字符。我们的实验在 SemEval-2026 Task 4 数据集上进行，系统获得了 0.705 的准确率得分。准确率随着集团规模的增加而提高，这在削弱独立性的条件下与 Condorcet 评议院定理类似。专业人格单独表现较差，但产生较不相关的错误，为多数投票下的集团收益提供了更大的潜力。我们的错误分析揭示了性别聚焦解释词汇与准确率之间一致的负相关，这适用于所有人格类别，这表明要么是注意力集中在对基准不相关的维度上，要么是来自真实值中缺失的有效解释。这一发现凸显了需要考虑解释性多样性的评估框架的必要性。
引用
@article{arxiv.2603.22103,
title = {Multiperspectivity as a Resource for Narrative Similarity Prediction},
author = {Max Upravitelev and Veronika Solopova and Jing Yang and Charlott Jakob and Premtim Sahitaj and Ariana Sahitaj and Vera Schmitt},
journal= {arXiv preprint arXiv:2603.22103},
year = {2026}
}