論文の概要: StanceEval 2026: The Second Stance Detection Shared Task
- arxiv url: http://arxiv.org/abs/2610.03215v1
- Date: Fri, 02 Oct 2026 12:32:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.36811
- Title: StanceEval 2026: The Second Stance Detection Shared Task
- Title（参考訳）: StanceEval 2026: 2番目のスタンス検出共有タスク
- Abstract要約: StanceEval 2026は、アラビア語のソーシャルメディアテキストにおけるスタンス検出に関する、StanceEval共有タスクシリーズの第2版である。
このエディションは、2つの異なる評価トラックにわたるクロスプラットフォームの一般化に焦点を当てている。
- 参考スコア（独自算出の注目度）: 4.824877250939485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: StanceEval 2026 is the second edition of the StanceEval shared task series on stance detection in Arabic social media text. Stance detection aims to identify a writer's stance toward a given topic. Given a tweet and a target, participating systems must determine whether the writer's stance is Favor, Against, or None. This edition focuses on cross-target generalization across two distinct evaluation tracks: Track 1 evaluates thematically related cross-target transfer (testing on Women Driving, related to Women Empowerment from training data), while Track 2 evaluates cross-domain transfer to completely unseen targets (E-Cars and Trimester System). The shared task attracted 80 registered teams from 12 countries. During the evaluation phase, 30 unique teams submitted entries, with 21 teams officially ranked in Track 1 and 13 in Track 2 following validation filtering, and 20 teams submitting system-description papers. Participating teams employed diverse methodologies, including fine-tuned pretrained language models, prompt-based and retrieval-augmented large language models (LLMs), fine-tuned LLMs, and hybrid cascades. Top systems achieved impressive $F_{avg2}$ scores of 0.8994 on Track 1 and 0.9400 on Track 2, substantially outperforming the strongest baselines (0.7366 and 0.7475, respectively), where $F_{avg2}$ denotes the macro-averaged F1 score over the Favor and Against classes. Counterintuitively, performance on the unseen targets was higher than on the related target, a disparity could be driven by extreme target polarization, class imbalance, and dialectal or sarcastic nuance across topics.
- Abstract（参考訳）: StanceEval 2026は、アラビア語のソーシャルメディアテキストにおけるスタンス検出に関する、StanceEval共有タスクシリーズの第2版である。
スタンス検出は、ある話題に対する作家の姿勢を特定することを目的としている。
ツイートとターゲットが与えられた場合、参加システムは、著者のスタンスがフェーバー、アタック、ノーンであるかどうかを判断しなければならない。
この版は、2つの異なる評価トラックにおけるクロスターゲットの一般化に焦点を当てている: トラック1は、数学的に関連付けられたクロスターゲットの転送(トレーニングデータから女性エンパワーメントに関するテスト)、トラック2は、完全に見えないターゲット(E-Cars and Trimester System)へのクロスドメインの転送を評価する。
共有タスクには12カ国から80の登録チームが参加している。
評価フェーズでは30チームがエントリーを提出し、21チームが公式にトラック1、13がトラック2にランクインし、20チームがシステム記述論文を提出した。
参加チームは、微調整済み言語モデル、プロンプトベースおよび検索強化大型言語モデル(LLM)、微調整LLM、ハイブリッドカスケードなど、様々な方法論を採用した。
トップシステムは、トラック1では0.8994ドル、トラック2では0.9400ドルで、最強のベースライン(それぞれ0.7366と0.7475)を上回った。
対意的に、目に見えないターゲットのパフォーマンスは、関連するターゲットよりも高く、極度のターゲット偏極、クラス不均衡、およびトピック間の弁証的・皮肉的ニュアンスによって、相違が引き起こされる可能性がある。
関連論文リスト
- VastMAT: A Large-Scale Multi-Category Benchmark for Multi-Animal Tracking [20.91856275374453]
VastMATは4つの重要な特徴を持つ。
ビデオは2,947本、注釈付きフレームは1,002,562本、合計27.85時間である。
3,663,248個のバウンディングボックスと22,883個のIDトラジェクトリを備えている。
論文 参考訳（メタデータ） (2026-09-28T06:05:50Z) - MABPD: Multi-Agent Bias Probing & Detection via Structured Argument Debate [0.06999740786886537]
MABPD(Multi-Agent Bias Probing & Detection)は、教師付き分類に代わる、原則化された、トレーニングなしの代替品である。
SADは、証明のドメイン動機による非対称な負担を実装する。
アブレーションは、単なるエージェント並列性ではなく、この構造化された検討によって性能が向上することを確認した。
論文 参考訳（メタデータ） (2026-09-04T07:58:33Z) - The 10th AI City Challenge [75.20414088119482]
ECCV 2026で開かれた第10回AI都市チャレンジは、インテリジェントトランスポート、スマートシティ、物理的なAIのためのコミュニティベンチマークの10年を記念する。
本稿では,課題の設定,データセット,評価プロトコル,リーダボードの結果,ワークショップ論文について要約する。
論文 参考訳（メタデータ） (2026-08-17T18:42:49Z) - The Third Competition on Document Forgery Detection on ID-Cards and Passports [14.042684745723513]
第3回IDカードとパスポートの文書偽造検出に関する国際コンペティション
textitIncodeは、$AV_Rank$の27.82%を獲得し、メトリクス間で一貫したパフォーマンスを確認する。
その結果,PADの有効性は高い精度と多様な攻撃タイプや撮像条件の整合性を必要とすることが示された。
論文 参考訳（メタデータ） (2026-07-17T08:13:46Z) - Second Competition on Presentation Attack Detection on ID Card [12.609487726543774]
20チームが登録され、74のモデルが提出された。
トラック1では、Dragonsチームが平均ランキングとEERで40.48%、EERが11.44%で1位となった。
トラック2のより困難なアプローチでは、"Incode"チームは14.76%と6.36%のAVランクで最高の結果に達し、それぞれ74.30%と21.87%のEERの第一版の結果を改善した。
論文 参考訳（メタデータ） (2025-07-27T20:18:52Z) - The 7th AI City Challenge [87.23137854688389]
AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。
2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。
参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
論文 参考訳（メタデータ） (2023-04-15T08:02:16Z) - Overview of the HASOC Subtrack at FIRE 2022: Offensive Language
Identification in Marathi [15.466844451996051]
HASOC(Hate Speech and Offensive Content Identification)共有タスクは、これらのイニシアチブの1つである。
4枚目のバージョンでは、HASOC 2022は英語、ヒンディー語、マラティ語のサブトラックを3曲収録した。
HASOC 2022 Marathi subtrackの結果を報告する。このサブトラックは,一般的なOLID分類法を用いて手動でアノテートしたTwitterのデータを含むデータセットを参加者に提供する。
最高のパフォーマンスアルゴリズムは、伝統的な学習アプローチとディープラーニングアプローチの混合である。
論文 参考訳（メタデータ） (2022-11-18T11:17:15Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳（メタデータ） (2022-09-13T05:59:02Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2022-07-26T15:37:19Z) - Overview of the TREC 2020 Fair Ranking Track [64.16623297717642]
本稿は、NIST TREC 2020 Fair Ranking trackの概要を示す。
フェア・ランキング・トラックの中心的な目標は、様々な作家グループに公正な露出を提供することである。
論文 参考訳（メタデータ） (2021-08-11T10:22:05Z) - MOT20: A benchmark for multi object tracking in crowded scenes [73.92443841487503]
我々は,非常に混み合ったシーンを描写した8つの新しいシーケンスからなるMOT20ベンチマークを提示する。
ベンチマークは第4回BMTT MOT Challenge Workshop at the Computer Vision and Pattern Recognition Conference (CVPR)で初めて発表された。
論文 参考訳（メタデータ） (2020-03-19T20:08:24Z)
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。