本研究探讨了如何将多个二元目标标签整合为一致排名，分析了损失聚合与标签聚合两种方法。结果显示，尽管两者均可达到帕累托最优解，但标签聚合更优，避免了标签独裁现象，为实际应用提供了指导。

本研究探讨了手动注释中的不一致性，指出标准标签聚合策略可能忽视少数有效意见，且少数注释的质量显著影响标签类别分布，可能导致模型训练偏见。

该研究比较了两种自动扩展分析政党宣言的方法：标签聚合和基于Transformer模型的长输入。研究发现，最佳结果可通过先进的模型和标签聚合的方式高效解决。该研究分析了41个国家和27种语言的比较宣言项目数据集。