RDS Fusion:混合神经符号门控与压缩CoT推理的讽刺检测框架

Robust Dual-Signal Fusion: Hybrid Neuro-Symbolic Gating with Compressed Chain-of-Thought Refinement for Irony Detection in Social Media Texts

精选理由

这篇论文提出了RDS Fusion,不用微调就能在讽刺检测上达到和微调BERTweet一样的水平,还在难数据集上比很多监督方法强。

AI 摘要

RDS Fusion是一种混合神经符号架构,通过压缩链式思维(CoT)推理轨迹实现零样本讽刺检测,无需监督微调。在TweetEval测试集(N=734)上,RDS取得78.1%准确率和0.777宏F1,匹配微调BERTweet的性能上限。在严重不平衡的iSarcasm数据集上,其冻结CoT管道过滤了22.5%的分布外幻觉,零样本宏F1达0.6726,Ironic F1为0.4821,优于多个有监督SemEval集成模型。统计消融实验表明,仅当三种信号完全融合时才产生显著改善(p=0.005)。

AI 翻译 · 中文

RDS Fusion是一种混合神经符号架构,通过压缩链式思维(CoT)推理轨迹实现零样本讽刺检测,无需监督微调。在TweetEval测试集(N=734)上,RDS取得78.1%准确率和0.777宏F1,匹配微调BERTweet的性能上限。在严重不平衡的iSarcasm数据集上,其冻结CoT管道过滤了22.5%的分布外幻觉,零样本宏F1达0.6726,Ironic F1为0.4821,优于多个有监督SemEval集成模型。统计消融实验表明,仅当三种信号完全融合时才产生显著改善(p=0.005)。

arXiv cs.AILarge Language Models (LLMs) natively default to literal semantic interpretations, making zero-shot irony detection a persistent challenge. We introduce the Robust Dual-Signal (RDS) Fusion framework, a hybrid neuro-symbo