SG-UniBuc-NLP 의 SemEval-2026 Task 6: Long-Context Evasion Detection 를 위한

요약

본 기사는 SemEval-2026 Task 6인 'CLARITY: Unmasking Political Question Evasions'에 제출한 시스템을 소개합니다. 이 시스템은 영어 정치 인터뷰 응답을 명확성(3가지 수준)과 세부적인 회피 전략(9가지 유형)으로 분류하는 것을 목표로 합니다. 기술적으로는, 긴 텍스트 처리를 위해 오버래핑 슬라이딩-윈도우 청킹 및 요소별 최대 풀링 집계 방식을 사용하며, 공유된 RoBERTa-large 인코더와 다중 작업 학습(Multi-task objective)을 통해 두 개의 특화 헤드를 구현했습니다.

핵심 포인트

• SemEval-2026 Task 6은 정치적 질문 회피(Political Question Evasion)를 탐지하는 것을 목표로 합니다.
• 시스템은 응답의 명확성(3-way)과 세밀한 회피 전략(9-way)을 동시에 분류합니다.
• 긴 컨텍스트 처리를 위해 오버래핑 슬라이딩-윈도우 청킹 및 Element-wise Max-Pooling 집계 방식을 채택했습니다.
• 공유된 RoBERTa-large 인코더와 다중 작업 학습(Multi-task objective)을 사용하여 효율성을 높였습니다.
• 최종 성능은 7-fold stratified cross-validation 기반의 Ensembling을 통해 측정되었습니다.