Shrome 提出因果抽取软投票集成与反因果增强方法

Shrome 团队（Roham Zendehdel Nobari、Shayan Sooratgar）在 arXiv 发表论文，针对 Touché 2026 反因果新闻语料（CCNC）的检测、抽取、极性三个子任务各建一个模型。检测子任务使用微调分类器，并配合一条跨任务规则，利用抽取出的文本片段去除假阳性；抽取子任务将三个 RoBERTa-large BILOU+CRF 标注器在 token 级分数上平均后再解码，即软投票集成。论文还提出反因果数据增强方法。上述为作者在论文中的方法描述，尚未见第三方验证其效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。