配对完成：利用大型语言模型灵活量化问题框架
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
本文探讨了通过多任务和对抗式训练，将新闻和社交媒体中的框架检测模型转移到讨论论坛。提出的FrameAxis方法量化文本中的话语取向，分析社交媒体上移民政策的表述，发现特定帧更能引发用户参与。同时，研究评估了大型语言模型在处理争议性问题上的表现，强调了可解释性在社会科学研究中的重要性。
❓
Q&A
FrameAxis方法的主要功能是什么？
FrameAxis方法用于量化文本中的话语取向，通过识别重点话语轴以无监督方式对大数据集进行语义特征表征。
社交媒体上哪些因素影响用户对移民政策的表述？
用户的意识形态和地域影响他们对移民政策的表述和反应。
如何评估大型语言模型在处理争议性问题上的表现？
通过构建具有争议性的问题数据集，评估不同大型语言模型在该数据集上的表现，揭示它们如何处理争议性问题。
文章中提到的可解释性在社会科学研究中有何重要性？
可解释性在社会科学研究中重要，因为它帮助理解框架偏见及其对社会议题的影响。
如何提高叙述分类模型的效果？
通过细分辩论领域、提取叙述模式以及使用大型语言模型生成支持性证据，可以提高叙述分类模型的效果。
文章中提到的众包数据集创建有什么优势？
众包数据集创建可以利用非专家注释员开发训练语料库，扩展多语种的媒体框架分析，并提高基线表现。
🏷️
