SemEval-2026タスク6に向けたSG-UniBuc-NLP：チャンク化を用いたマルチヘッドRoBERTaによる長文コンテキスト回避検出

Abstract

本稿では、SemEval-2026 Task 6（CLARITY: Unmasking Political Question Evasions）向けのシステムを述べる。英語の政治インタビュー回答を、粗い粒度の明瞭さ（3-way）と、細かい粒度の回避戦略（9-way）により分類する。回答はしばしば標準的なTransformerエンコーダの512トークン制限を超えるため、チャンク表現に対して要素ごとのMax-Pooling集約を行う、重なり合うスライディングウィンドウのチャンク化戦略を適用する。共有のRoBERTa-largeエンコーダを用い、マルチタスク目的により共同で学習される2つのタスク固有ヘッドを設ける。推論時には、7分割の階層化クロスバリデーションによるアンサンブルを行う。本システムは、サブタスク1でMacro-F1が0.80、サブタスク2で0.51を達成し、両方のサブタスクで11位にランクインした。