arXiv cs.CL· Anas Belfathi, Nicolas Hernandez, Laura Monceaux, Warren Bonnard, Richard Dufour·· 12 小时前AI 评分8
RISE：面向修辞角色标注难例的推理时语义重排序框架
Semantic Reranking at Inference Time for Hard Examples in Rhetorical Role Labeling
AI 导读
RISE 是一个推理时语义重排序框架，自动识别低置信度预测，并用对比学习得到的标签表示对模型输出重排序，无需重训练或修改底层模型。在八个领域特定 RRL 数据集、七种语言模型（含编码器与因果架构）上，难例平均提升 +9.15 macro-F1。该论文已被作者撤回，原因是发现归属问题，请勿引用此版本。
正文 · AI 翻译
本文已被 Anas Belfathi 撤回
摘要：修辞角色标注（RRL）为文档中的每个句子赋予一个功能角色，广泛应用于法律、医学和科学领域。虽然语言模型（LM）取得了很强的平均性能，但在预测置信度较低的困难样本上仍不可靠。现有方法通常隐式地处理不确定性，并将标签视为离散标识符，忽略了标签名称中编码的语义信息。我们提出 RISE，一种推理时的语义重排序框架，利用标签语义来改进困难实例上的预测。RISE 自动识别低置信度预测，并使用对比学习得到的标签表示对模型输出进行重排序，无需重新训练或修改底层模型。在八个领域特定的 RRL 数据集上，使用七种 LM（包括基于编码器和因果架构的模型）进行的实验表明，在困难样本上平均提升 +9.15 个 macro-F1 点。为了可解释性，我们进一步提出了人工难度标注，从模型和人类两个角度研究难度，结果显示中等程度的一致性，Cohen's kappa = 0.40。
| 评论： | 由于发现归属问题，作者正在撤回本投稿。该论文在正式发表之前已从会议出版流程中撤回。请勿引用此版本 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2605.18007 [cs.CL] |
| （或 arXiv:2605.18007v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.18007 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Anas Belfathi [查看电子邮件]
[v1]
2026年5月18日星期一 08:03:02 UTC（6,623 KB）
[v2]
2026年10月27日星期二 15:10:56 UTC（1 KB）（已撤回）
来源：arXiv cs.CL · arxiv.org