NCL-UoR at SemEval-2026 Task 5: 基于嵌入的方法、微调和大语言模型 (LLM) 用于词义可信度评估
计算与语言
2026-05-11 v2
摘要
词义可信度评估要求预测给定词义在包含歧义同义词的短叙事故事情境下，的人类感知的可信度，评分范围为 1-5 分。本文系统比较了三种方法：(1) 将句子嵌入与标准回归器配对的嵌入基方法；(2) 采用参数高效适应的变换器微调；(3) 采用结构化推理和明确决策规则的大语言模型 (LLM) 提示。最佳系统采用结构化提示策略，将评估分解为叙事组件（前情、目标句子、结局），并应用明确的决策规则进行评分校准。分析表明，结构化提示配合决策规则的性能优于微调模型和嵌入基方法，提示设计对本任务的影响大于模型规模。
引用
@article{arxiv.2603.08256,
title = {NCL-UoR at SemEval-2026 Task 5: Embedding-Based Methods, Fine-Tuning, and LLMs for Word Sense Plausibility Rating},
author = {Tong Wu and Thanet Markchom and Huizhi Liang},
journal= {arXiv preprint arXiv:2603.08256},
year = {2026}
}