arXiv：2610.31966v1 公告类型：新
摘要：用于上下文学习的示范样本通常通过语义相似度进行检索，而这在结构化预测任务中可能并非相关性的良好代理。我们针对通用依存关系解析任务，研究了基于POS签名策略的示范样本选择方法；该策略以加权词性统计特征表征句子，并从已标注的训练集划分中检索出三个长度兼容、由人工标注的参考样本。我们在UD英语网络树库测试集的全部2,077个句子上，对两种未经过微调的开放权重语言模型进行了评估，将该策略与按样本数量和格式匹配的固定三样本及语义三样本基线，以及零样本、思维链和批判—精炼等系统进行了比较。结果表明，在所测试的各类提示方法中，POS签名检索在两款模型上均取得了最高的标注依存得分（分别为72.4和73.2），分别比语义检索高出1.9和2.7个百分点；配对自举法计算的95%置信区间均不包含零，证实了这一差异的统计显著性。而与思维链和精炼方法的对比则因模型而异。这些初步探索结果表明，对于English-EWT数据集，所考察的POS签名检索方法更具优势。我们公开了相关提示模板、归档输出以及评估代码。