PAST-TIDE presenta ajuste de declaraciones con aprendizaje contrastivo prototípico para detección de postura

Los autores presentan PAST-TIDE, un sistema de detección de postura diseñado para la Tarea Compartida StanceNakba en NakbaNLP@LREC-COLING 2026. La innovación central es el ajuste de declaraciones, que redefine la postura como modelado de lenguaje enmascarado (MLM) al estilo cloze para mapear palabras de etiqueta a través del cabezal MLM preentrenado en lugar de usar un cabezal de clasificación inicializado aleatoriamente.

• PAST-TIDE emplea aprendizaje contrastivo prototípico con prototipos de clase aprendibles para entrenamiento independiente del tamaño del lote.
• El sistema utiliza normalización por capas condicional al tema para manejar la detección de postura árabe entre temas.
• Alcanza puntuaciones macro-F1 de 0.75 para Subtask A y 0.74 para Subtask B en el ranking oficial.

Los resultados indican que adiciones arquitectónicas mínimas a un modelo preentrenado pueden seguir siendo competitivas en entornos de recursos limitados.