论文
SemEval-2026 上的 ICT-NLP 任务 3：少即是多——采用联合训练和自适应集成的多语言编码器，用于维度情感回归
ICT-NLP at SemEval-2026 Task 3: Less Is More -- Multilingual Encoder with Joint Training and Adaptive Ensemble for Dimensional Aspect Sentiment Regression
摘要
本文将我们的系统描述为 SemEval-2026 Task 3 Track A Subtask 1 on Dimensional Aspect Sentiment Regression (DimASR)。我们提出了一种完全基于多语言预训练编码器构建的轻量级且资源高效的系统，而不依赖于 LLM 或外部语料库。我们采用联合多语言和多领域训练来促进跨语言迁移并缓解数据稀疏性，引入有界回归变换来提高训练稳定性，同时将预测限制在有效范围内，并通过子集搜索采用自适应集成策略来减少预测方差。实验结果表明，我们的系统实现了强大且一致的性能，在 zho-res 上排名第一，在 zho-lap 上排名第二，在 jpn-hot 上排名第三，所有剩余数据集都位于参赛团队的前半部分。