PAST-TIDE 引入带有原型对比学习的语句微调以进行立场检测

作者介绍了 PAST-TIDE，这是一个为 NakbaNLP@LREC-COLING 2026 上的 StanceNakba 共享任务设计的立场检测系统。核心创新是语句微调，它将立场重新定义为类似完形填空的掩码语言建模 (MLM)，通过预训练的 MLM 头映射标签词，而不是使用随机初始化的分类头。

• PAST-TIDE 采用带有可学习类原型的原型对比学习，实现与批次大小无关的训练。
• 该系统利用主题条件层归一化来处理跨主题的阿拉伯语立场检测。
• 在官方排行榜上，它在 Subtask A 中达到 0.75 的 macro-F1 分数，在 Subtask B 中达到 0.74。

结果表明，对预训练模型进行最小的架构添加仍可在低资源环境中保持竞争力。