English(EN) Zero-shot narrative detection in social messaging

大型语言模型在社交消息中展现出强大的零样本叙事检测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员探索了大型语言模型（LLMs）在无先验训练数据的情况下检测社交消息中叙事的能力。使用人类编写的叙事描述进行的实验显著提高了LLMs在Dipromats和SemEval等数据集上的性能，优于少样本或自动生成的描述。研究发现，集成方法，特别是多数投票，提高了鲁棒性，而更大的模型则产生了最佳结果，并且对提示的变化不太敏感。这些发现表明，即使在有人类提供的描述时，LLMs也能成为叙事检测的可扩展解决方案，甚至可以与监督系统相媲美。 AI

影响展示了大型语言模型在无需大量标记数据的情况下扩展社交媒体分析中叙事检测的潜力。

排序理由在arXiv上发表的研究论文，详细介绍了大型语言模型的能力。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的研究论文，详细介绍了大型语言模型的能力。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jes\'us M. Fraile-Hern\'andez, Anselmo Pe\~nas, Patrick Giedemann · 2026-09-16 04:00

社交消息中的零样本叙事检测

arXiv:2609.17310v1 Announce Type: new Abstract: This study investigates the zero-shot ability of large language models (LLMs) to identify and classify hidden narratives in social messages. Our research hypothesis is that LLMs' extensive contextual knowledge allows them to interpr…

本文如何被排名

报道来源 [1]

社交消息中的零样本叙事检测

相关实体

相关话题