論文の概要: PAST-TIDE: Prototype-Anchored Statement Tuning with Topic-Invariant Normalization for Stance Detection

• arxiv url: http://arxiv.org/abs/2607.04690v1
• Date: Mon, 06 Jul 2026 05:33:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.051901
• Title: PAST-TIDE: Prototype-Anchored Statement Tuning with Topic-Invariant Normalization for Stance Detection
• Title（参考訳）: PAST-TIDE:トレンド検出のためのトピック不変正規化によるプロトタイプ・アンコレッド・ステートメントチューニング
• Abstract要約: PASTTIDEは、NakbaNLP@LREC-COING 2026におけるスタンス共有タスクのサブタスクに対処するスタンス検出システムである。 私たちは、クローゼスタイルのマスキング言語モデリング(MLM)として、原型的スタンスを再定義する。 本研究では,学習可能なクラスプロトタイプをバッチサイズ独立型コントラスト学習に使用し,トピック条件付き階層正規化を多目的アラビア語のスタンス検出に用い,これを補完する。
• 参考スコア（独自算出の注目度）: 4.523530389653893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce PAST-TIDE, our stance detection system addressing both subtasks of the StanceNakba Shared Task at NakbaNLP@LREC-COLING 2026. The main idea is statement tuning. We redefine stance as cloze-style masked language modeling (MLM), letting a verbalizer map label words to stance categories through the pre-trained MLM head rather than appending a randomly initialized classification head. We complement this with prototypical contrastive learning, which uses learnable class prototypes for batch-size independent contrastive training, and topic-conditional layer normalization for cross-topic Arabic stance detection. PAST-TIDE achieves macro-F1 scores of 0.75 for Subtask A and 0.74 for Subtask B on the official leaderboard, indicating that minimal architectural additions to a pre-trained model can remain competitive in low-resource settings.
• Abstract（参考訳）: 我々は,NakbaNLP@LREC-COING 2026におけるStanceNakba共有タスクのサブタスクに対処する姿勢検出システムであるPAST-TIDEを紹介する。 主なアイデアはステートメントチューニングです。 本研究では,MLM (Croze-style masked language modeling) としてスタンスを再定義し,ランダムに初期化された分類ヘッドを付加するのではなく,事前学習したMLMヘッドを通して,言語話者の言語ラベルをスタンスカテゴリにマッピングする。 我々はこれを,バッチサイズ独立コントラスト学習のための学習可能なクラスプロトタイプと,クロストピックアラビアスタンス検出のためのトピック条件層正規化を用いて補完する。 PAST-TIDEはSubtask Aで0.75点、Subtask Bで0.74点というマクロF1スコアを達成した。

関連論文リスト

• C-GAP: Class-Aware and Online Prompting Improves Vision-Language Models on Imbalanced Classes [0.0]
  本稿では,C-GAPキャプションガイドによる拡張とプロンプティングについて紹介する。 C-GAPは、マイノリティクラスの平均精度をベースラインよりも最大53%向上させる。 COCOでは、C-GAPはコンポジットベースライン(17.69-> 32.09)に比べて、マイノリティクラスAP@0.5を81%改善する
  論文  参考訳（メタデータ） (2026-07-10T00:24:41Z)
• Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models [59.51249894128724]
  マスク付き拡散言語モデルは、反復を識別するごとに複数のトークンを明らかにすることで推論ステップを削減することができる。 パラレルマスク拡散復号法のためのトレーニング不要な復号法であるADASを提案する。
  論文  参考訳（メタデータ） (2026-06-09T13:17:27Z)
• KUET at StanceNakba Shared Task: StanceMoE: Mixture-of-Experts Architecture for Stance Detection [2.5199066832791526]
  StanceMoEは、アクターレベルのスタンス検出のための微細調整されたBERTエンコーダ上に構築された、コンテキスト強化型Mixture-of-Experts (MoE)アーキテクチャである。 本モデルでは,補完的な言語信号の取得を目的とした6つの専門モジュールを統合した。 StanceNakba 2026 Subtask Aデータセットで、1,401の注釈付き英語テキストを含む実験が行われた。
  論文  参考訳（メタデータ） (2026-04-01T13:24:03Z)
• Class-Aware Prototype Learning with Negative Contrast for Test-Time Adaptation of Vision-Language Models [48.61795272482598]
  VLM(Vision-Language Models)は、大規模な画像テキスト事前学習を通じて、印象的なゼロショットの一般化を実証する。 しかし、デプロイメントディストリビューションがトレーニングディストリビューションから分岐すると、パフォーマンスが低下する可能性がある。 テスト時間適応(TTA)メソッドは、ラベルのないターゲットデータを使用してモデルを更新する。 軽量TTAフレームワークである textbfNegative textbfContrast(textbfCPL-NC) を用いた textbfClass-Aware textbfPrototype textbfL を提案する。
  論文  参考訳（メタデータ） (2025-10-22T17:38:35Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• PromptSync: Bridging Domain Gaps in Vision-Language Models through Class-Aware Prototype Alignment and Discrimination [14.50214193838818]
  CLIPのようなビジョン言語(V-L)モデルのゼロショット一般化は、広く採用されている。 従来の手法では、テスト時のプロンプトチューニングを使用して、モデルを目に見えない領域に適応させたが、不均衡なクラス分布の問題を見落としていた。 本研究では,テストサンプルとフィルタ付き拡張ビューで得られた平均クラス確率によって重み付けされたクラス認識型プロトタイプアライメントを採用する。
  論文  参考訳（メタデータ） (2024-04-11T07:26:00Z)
• Prompt Algebra for Task Composition [131.97623832435812]
  素早いチューニングを伴うビジュアル言語モデルを基本分類器として検討する。 合成分類器の性能向上のための制約付きプロンプトチューニングを提案する。 UTZapposでは、最高のベースモデルに対する分類精度を平均8.45%向上させる。
  論文  参考訳（メタデータ） (2023-06-01T03:20:54Z)
• BEIKE NLP at SemEval-2022 Task 4: Prompt-Based Paragraph Classification for Patronizing and Condescending Language Detection [13.944149742291788]
  PCL検出タスクは、メディアの脆弱なコミュニティを保護し、あるいは支持している言語を特定することを目的としている。 本稿では,段落分類における素早い学習の力を活用した解法について紹介する。
  論文  参考訳（メタデータ） (2022-08-02T08:38:47Z)
• Contrastive Prototype Learning with Augmented Embeddings for Few-Shot Learning [58.2091760793799]
  拡張埋め込み(CPLAE)モデルを用いた新しいコントラスト型プロトタイプ学習を提案する。 クラスプロトタイプをアンカーとして、CPLは、同じクラスのクエリサンプルを、異なるクラスのサンプルを、さらに遠くに引き出すことを目的としている。 いくつかのベンチマークによる大規模な実験により,提案したCPLAEが新たな最先端を実現することが示された。
  論文  参考訳（メタデータ） (2021-01-23T13:22:44Z)
• Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
  事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。 そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。 提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
  論文  参考訳（メタデータ） (2020-04-29T10:54:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。