Lingo_Research_Group 的研究人员详细介绍了他们针对 SemEval-2026 Task 9 的方法，重点关注多语言极化检测。他们的研究使用了 aya-101 和 Gemma3-27B 模型，对三个子任务中的十二种不同提示设计进行了评估。虽然对于粗粒度极化检测有效，但基于提示的方法在更细微、细粒度和多标签分类任务上显示出局限性。 AI
影响 提示工程技术在极化检测方面显示出潜力，但对于复杂的语言任务需要进一步完善。
排序理由 该集群包含一篇详细介绍研究方法和结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.03334v1 Announce Type: new Abstract: Our submission presented in this paper is for SemEval-2026 Task 9: Multilingual Text Classification Challenge - Polarization Detection and it covers all three subtasks: (1) binary polarization detection, (2) polarization type classi…
Our submission presented in this paper is for SemEval-2026 Task 9: Multilingual Text Classification Challenge - Polarization Detection and it covers all three subtasks: (1) binary polarization detection, (2) polarization type classification and (3) polarization manifestation iden…