鲁棒双信号融合：用于社交媒体文本反讽检测的混合神经符号门控与压缩思维链精炼

大型语言模型默认倾向于字面语义解释，使得零样本反讽检测成为持久挑战。本文提出鲁棒双信号（RDS）融合框架，这是一种混合神经符号架构，无需监督微调即可压缩思维链（CoT）推理轨迹。在严格留出的 TweetEval 测试集上，RDS 取得了 78.1% 的准确率，性能媲美微调后的 BERTweet。在高度不平衡的 iSarcasm 数据集上，该冻结 CoT 管道过滤了 22.5% 的分布外幻觉，零样本宏观 F1 值达 0.6726，优于多个重度监督的 SemEval 集成模型。统计消融实验证实，仅当三种信号完全并发融合时，才能实现相对于基线的统计学显著改进。