arXiv cs.CL· Mingming Su, Yushan Wei, Sen Song, Xinche Zhang·· 2 天前AI 评分29
LitArc-Bench:区分文本特异的读者反应动态与位置、词汇情感影响
LitArc-Bench: Disentangling Text-Specific Reader-Response Dynamics from Position and Lexical Affect
AI 导读
LitArc-Bench 用 39 篇中文文学选段、81 名成人填写的 430 份问卷(9,020 条 VAD 评分)区分模型预测人类情感轨迹的来源。
正文 · AI 翻译
摘要:当模型预测能够追踪正在展开的人类情感轨迹时,这种对齐可能反映叙事位置、情感词汇或特定于文本的读者反应动态。我们引入 LitArc-Bench 来区分这些解释:39 篇中文文学节选被划分为七个检查点,来自两个课堂小组的 81 名成年人提供了 430 份问卷(9,020 条 VAD 评分)。我们将三次未来盲模型运行与留一文本位置先验、词汇情感以及人与人参照进行比较。仅位置一项在唤醒度上就达到 r = .470,使得原始对齐不够充分。然而,相对于联合位置-词汇控制,所有六项 V/A 过渡优势的文本自助法区间均高于零。交叉拟合模型在全部九个模型-维度单元中,比 38 个不匹配文本更好地匹配正确的人类文本(p < .0001);一个文本不变的阴性对照返回随机水平(p = 1)。在相对于位置趋势至少 0.5 点的人类过渡上,模型恢复了 69-76% 的效价方向和 53-68% 的唤醒度与支配度方向。在交叉参与者-文本重采样下,全部九个身份区间仍高于零;联合控制优势在效价和方向上稳健,但在唤醒度上不太确定。高形状一致性仍与尺度偏差共存。LitArc-Bench 识别出文学读者反应中哪些成分可以在浅层解释之外被恢复,以及为什么形状、校准和人类变异性需要分别评估。
| 评论: | 13 页,2 幅图,12 张表 |
| 主题: | 计算与语言(cs.CL) |
| 引用为: | arXiv:2611.18412 [cs.CL] |
| (或 arXiv:2611.18412v1 [cs.CL] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.18412 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Xinche Zhang [查看电子邮件]
[v1]
2026年11月13日星期五 16:55:45 UTC(1,110 KB)
来源:arXiv cs.CL · arxiv.org