UO-FIE：结合精确标签监督与分级效用的中文事实性推理系统
针对FIE2026中文事实性推理评估任务中的类别严重不平衡（单类别占64.1%）及兼顾精确度与邻近区间惩罚的评价机制，研究人员提出UO-FIE系统。实验发现mDeBERTa分类模型易偏向多数类，而Huber回归基线虽能落在相近区间但精确匹配率低。UO-FIE采用参数高效架构，综合精确标签监督与分级效用设计，改善了九分类有序事实性区间的推断表现。
推荐理由针对中文事实性推理中的长尾数据与有序分类指标提出了结合精确监督与分级效用的有效改进方案。
原标题：UO-FIE: Combining Exact-Label Supervision with Graded Utility for Factivity Inference
阅读 arXiv 机器学习 原文 ↗