基于事件的人类价值理解：新闻文本中的演员条件化、多粒度基准
音频与语音处理
2026-05-21 v4 计算与语言
摘要
现有人类价值数据集不直接支持新闻领域的价值理解：它们多数对演员不敏感，依赖孤立语句或人造情境，缺乏显式事件结构或价值方向。我们提出NEVU（News Event-centric Value Understanding），用于演员条件化、事件中心化和方向感知的人类价值识别基准。NEVU评估模型能否识别价值线索、归因于正确演员并从依据中确定价值方向。NEVU基于2865篇英文新闻构建，按四个语义单元层级（子事件Subevent、基于行为的复合事件、基于叙事的复合事件和文章Article）进行标注，并为细粒度评估在本地和复合语境中标记(unit, actor)配对。标注通过LLM辅助管道实现，包含阶段性验证和针对性人工审核。采用包含54个细粒度价值和20个粗粒度类别的层次化价值空间，NEVU覆盖45793个unit-actor配对和168061个有向价值实例。我们提供面向专有和开源LLM的统一基线，发现轻量适配（LoRA）能持续改进开源模型，表明尽管NEVU主要设计为基准，但它也支持超出仅限提示的监督式适配。数据可用性见附录\ref{app:data_code_availability}。
引用
@article{arxiv.2603.17837,
title = {The Silent Thought: Modeling Internal Cognition in Full-Duplex Spoken Dialogue Models via Latent Reasoning},
author = {Donghang Wu and Tianyu Zhang and Yuxin Li and Hexin Liu and Chen Chen and Eng Siong Chng and Yoshua Bengio},
journal= {arXiv preprint arXiv:2603.17837},
year = {2026}
}
备注
Accepted by ICML 2026