Abstract
"本研究聚焦于古诗文理解与情感推理任务,面向CCL-EVAL任务5评测中的关键词解释、关键句意译与情感分类三个子任务,以古典诗词为核心语料,通过高质量数据清洗、模型改写和情感推理优化等策略,提升模型对复杂语义和历史情感的建模能力,探索了语言风格适配与生成策略对模型性能的影响。实验表明,经过指令微调的Qwen2.5-14B-Instruct在多项指标上优于7B模型,尤其在情感推理任务中表现突出,准确率达0.714。此外,基于多次生成结果的加权投票机制有效提高了输出稳定性。然而,引入其他古诗文数据训练与模型风格改写未提升任务正确率,暴露出数据一致性与评测机制适配性方面的问题与挑战。本研究验证了大模型在古诗文理解中的能力及提升潜力,未来可从数据质量提升、评测优化与计算效率控制等方面进一步改进。"
- Anthology ID:
- 2025.ccl-2.22
- Volume:
- Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
- Month:
- August
- Year:
- 2025
- Address:
- Jinan, China
- Editors:
- Hongfei Lin, Bin Li, Hongye Tan
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 187–191
- Language:
- URL:
- https://aclanthology.org/2025.ccl-2.22/
- DOI:
- Bibkey:
- Cite (ACL):
- Zhoupanpan Zhoupanpan and Yang Qingyi. 2025. CCL25-Eval任务5系统报告:基于风格改写与投票机制的中文古诗词赏析评测. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 187–191, Jinan, China. Chinese Information Processing Society of China.
- Cite (Informal):
- CCL25-Eval任务5系统报告:基于风格改写与投票机制的中文古诗词赏析评测 (Zhoupanpan & Qingyi, CCL 2025)
- Copy Citation:
- PDF:
- https://aclanthology.org/2025.ccl-2.22.pdf