著者らは、NakbaNLP@LREC-COLING 2026のStanceNakba共有タスク向けに設計された姿勢検出システムPAST-TIDEを紹介します。中核的な革新はステートメントチューニングであり、ラベル単語をランダム初期化された分類ヘッドではなく事前学習済みMLMヘッド経由でマッピングするために、姿勢をクローズスタイルのマスク言語モデル（MLM）として再定義します。

  • PAST-TIDEはバッチサイズに依存しないトレーニングのために学習可能なクラスプロトタイプを用いたプロトタイプ対照学習を採用しています。
  • このシステムはクロストピックアラビア語姿勢検出を処理するためにトピック条件付きレイヤー正規化を利用しています。
  • 公式リーダーボードにおいて、Subtask Aでmacro-F1スコア0.75、Subtask Bで0.74を達成しました。

結果は、事前学習済みモデルへの最小限のアーキテクチャ追加が低リソース環境でも競争力を維持できることを示しています。