PAST-TIDE introduit le réglage par énoncé avec apprentissage contrastif prototypique pour la détection de position

Les auteurs présentent PAST-TIDE, un système de détection de position conçu pour la tâche partagée StanceNakba lors de NakbaNLP@LREC-COLING 2026. L'innovation centrale est le réglage par énoncé, qui redéfinit la position comme un modèle de langage masqué (MLM) de style « trous » pour mapper les mots étiquette via la tête MLM pré-entraînée au lieu d'utiliser une tête de classification initialisée aléatoirement.

• PAST-TIDE emploie l'apprentissage contrastif prototypique avec des prototypes de classe apprenables pour un entraînement indépendant de la taille du lot.
• Le système utilise la normalisation par couche conditionnelle au sujet pour gérer la détection de position arabe inter-sujets.
• Il atteint des scores macro-F1 de 0,75 pour la sous-tâche A et 0,74 pour la sous-tâche B sur le classement officiel.

Les résultats indiquent que des ajouts architecturaux minimaux à un modèle pré-entraîné peuvent rester compétitifs dans des contextes à ressources limitées.