SemEval-2026 Task 3：基于大语言模型的自洽结构生成（SCSG）用于维度化方面情感分析
计算与语言
2026-03-03 v1
摘要
我们提出了自洽结构生成（SCSG）方法，用于SemEval-2026 Task 3（Track A）中的维度化方面情感分析。SCSG通过对单个样本执行多次LoRA适配的大语言模型推理，仅保留在多次运行中获得多数共识的元组，从而增强预测可靠性。为缓解多次前向传播带来的计算开销，我们利用vLLM的PagedAttention机制实现高效的键值缓存复用。跨6种语言和8种语言-领域组合的评估表明，采用15次自洽推理相较于单次推理提示，在统计意义上显著提升性能。我们的系统（采用Gemma 3）在所有设置中均进入前七名，在四个英文子集中分别获得三项第二名和一项塔塔尔语-餐厅维度化方面情感分析（DimASTE）第一名。
引用
@article{arxiv.2603.01788,
title = {nchellwig at SemEval-2026 Task 3: Self-Consistent Structured Generation (SCSG) for Dimensional Aspect-Based Sentiment Analysis using Large Language Models},
author = {Nils Constantin Hellwig and Jakob Fehle and Udo Kruschwitz and Christian Wolff},
journal= {arXiv preprint arXiv:2603.01788},
year = {2026}
}