PAST-TIDE представляет statement tuning с прототипным контрастивным обучением для определения позиции

Авторы представляют PAST-TIDE, систему определения позиции, разработанную для Shared Task StanceNakba на NakbaNLP@LREC-COLING 2026. Основная инновация — statement tuning, который переопределяет позицию как маскированное языковое моделирование (MLM) в стиле cloze для сопоставления слов-меток через предварительно обученную голову MLM вместо использования случайно инициализированной классификационной головы.

• PAST-TIDE использует прототипное контрастивное обучение с обучаемыми прототипами классов для обучения, независимого от размера батча.
• Система использует тематическое условное нормализационное слой для обработки кросс-тематического определения позиции в арабском языке.
• Она достигает макросреднего F1 на уровне 0.75 для Subtask A и 0.74 для Subtask B в официальном рейтинге.

Результаты показывают, что минимальные архитектурные дополнения к предварительно обученной модели могут оставаться конкурентоспособными в условиях низкого ресурса.