由UZH研究人员开发的LLM-INSTRUCT系统，在ArgMining 2026的UZH共享任务中，因其在联合国和UNESCO决议中进行段落级论点挖掘的方法而获胜。该系统通过采用约束感知检索和代理之间的选择性辩论来对段落类型进行分类、预测标签以及在严格的JSON模式中识别关系，从而在F1分数上获得第一名。这种在生成前减少决策空间的方法提高了准确性和提交的鲁棒性，最终Task 1b Micro-F1分数为40.08%。 AI
影响 展示了NLP中结构化预测的高级技术，可能改进法律和政策文件中的论点挖掘。
排序理由 该条目描述了一篇研究论文，其中详细介绍了一个赢得共享任务的系统，这是一种学术研究成果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
