自然场景下的零样本立场检测：动态目标生成与多目标适应
计算与语言
2026-02-03 v3
摘要
当前的立场检测研究通常依赖于基于给定目标和文本预测立场。然而，在真实的社交媒体场景中，目标既不是预定义的也不是静态的，而是复杂且动态的。为应对这一挑战，我们提出了一项新任务：具有动态目标生成与多目标适应 (DGTA) 的自然场景零样本立场检测，旨在无需先验目标知识的情况下从文本中自动识别多个目标-立场对。我们构建了一个中文社交媒体立场检测数据集，并设计了多维评估指标。我们探索了大型语言模型 (LLMs) 的集成与两阶段微调策略，并评估了各种基线模型。实验结果表明，微调后的 LLMs 在此任务上取得了优越的性能：两阶段微调的 Qwen2.5-7B 获得了 66.99% 的最高综合目标识别得分，而集成微调的 DeepSeek-R1-Distill-Qwen-7B 达到了 79.26% 的立场检测 F1 分数。
引用
@article{arxiv.2601.19802,
title = {Zero-Shot Stance Detection in the Wild: Dynamic Target Generation and Multi-Target Adaptation},
author = {Aohua Li and Yuanshuo Zhang and Ge Gao and Bo Chen and Xiaobing Zhao},
journal= {arXiv preprint arXiv:2601.19802},
year = {2026}
}