新框架提高了修辞角色标注在困难文本示例上的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 08:03

研究人员开发了RISE，一个旨在提高修辞角色标注（RRL）在具有挑战性文本片段上准确性的新框架。该方法在推理时运行，对语言模型置信度较低的句子进行语义重新排序预测。通过利用标签名称的语义含义，RISE在无需重新训练模型的情况下改进了预测，从而在不同领域和语言模型的困难示例上取得了显著的性能提升。 AI

影响提高了NLP模型在法律和医疗文本分析等专业任务上的可靠性。

排序理由发表了一篇详细介绍特定NLP任务新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Richard Dufour · 2026-05-18 08:03

Semantic Reranking at Inference Time for Hard Examples in Rhetorical Role Labeling

Rhetorical Role Labeling (RRL) assigns a functional role to each sentence in a document and is widely used in legal, medical, and scientific domains. While language models (LMs) achieve strong average performance, they remain unreliable on hard examples, where prediction confiden…

报道来源 [1]

Semantic Reranking at Inference Time for Hard Examples in Rhetorical Role Labeling

相关实体

相关话题