摘要
本文介绍了针对 SemEval-2026 任务 6 的系统，旨在分类美国总统访谈中的政治回避策略。研究系统比较了两种范式：基于 QLoRA 的参数高效微调与具备推理能力 API 模型的结构化思维链（CoT）提示。评估表明，结构化 CoT 提示在宏观 F1 分数上显著优于微调基线。最佳系统结合扩展推理模式与分层少-shot CoT 提示，实现了优异性能。消融实验揭示，分层标签体系有助于构建模型推理，而显式启用扩展推理模式能通过促进多步语用分析，显著提升检测回避意图的能力。
AI 推荐理由
论文核心对比结构化思维链提示与微调，证明推理模式对检测政治回避策略至关重要。
研究机构
越南信息技术大学
越南国家大学，胡志明市
论文信息