XplaiNLP在CheckThat! 2025中的提交：基于微调Transformer与大型语言模型提示推理的多语言主观性检测
计算与语言
2025-09-16 v1
摘要
本笔记本报告了XplaiNLP在CheckThat! 2025多语言主观性检测共享任务中的提交。我们评估了两种方法：(1) 在单语和机器翻译训练数据上对Transformer编码器EuroBERT、XLM-RoBERTa和German-BERT进行监督微调；以及(2) 使用两个大型语言模型进行零样本提示：o3-mini用于Annotation（基于规则的标注），gpt-4.1-mini用于DoubleDown（对比重写）和Perspective（比较推理）。Annotation方法在意大利语单语子任务中取得了第1名，F_1分数为0.8104，优于基线的0.6941。在罗马尼亚语零样本设置中，微调后的XLM-RoBERTa模型获得了0.7917的F_1分数，排名第3，超过了基线0.6461。该模型在多语言任务中同样表现可靠，并在希腊语上优于基线。对于德语，在类型学相关语言的翻译训练数据上微调的German-BERT模型取得了与基线相当的性能。相比之下，乌克兰语和波兰语零样本设置中的性能略低于各自的基线，反映了在低资源跨语言场景中泛化的挑战。
引用
@article{arxiv.2509.12130,
title = {XplaiNLP at CheckThat! 2025: Multilingual Subjectivity Detection with Finetuned Transformers and Prompt-Based Inference with Large Language Models},
author = {Ariana Sahitaj and Jiaao Li and Pia Wenzel Neves and Fedor Splitt and Premtim Sahitaj and Charlott Jakob and Veronika Solopova and Vera Schmitt},
journal= {arXiv preprint arXiv:2509.12130},
year = {2025}
}