摘要
立场检测（stance detection）能够自动识别文本中针对某一目标的观点立场，对于网络与社交媒体研究中的内容分析具有重要意义。尽管大型语言模型（LLMs）展现出广阔的应用前景，但在直接应用于立场检测任务时仍面临诸多挑战。首先，立场检测需要多维度的知识支撑，涵盖对事件相关术语的理解，以及对社交媒体平台表达风格的把握；其次，该任务依赖高级推理能力，以推断作者隐含的观点立场，因为立场往往并非显性陈述，而是隐含于文本细节之中。为应对上述挑战，我们提出一种三阶段框架COLA（Collaborative rOle-infused LLM-based Agents，即融合角色协同的LLM代理系统）。在该框架中，大型语言模型被赋予不同角色，构建一个协同工作机制，各角色各司其职、贡献独特价值。在第一阶段——多维文本分析阶段，我们配置LLM分别扮演语言专家、领域专家和社交媒体资深人士，从多个角度对文本进行深度剖析，有效应对第一重挑战。在第二阶段——增强推理的辩论阶段，针对每一种可能的立场，指定一个专用的LLM代理作为支持者，引导模型识别文本特征与立场之间的逻辑关联，从而破解第二重挑战。在第三阶段——立场结论阶段，由最终决策代理整合前序分析结果，做出最终立场判断。本方法无需额外标注数据或模型微调，具有高度可实用性。我们在多个公开数据集上均取得了当前最优（SOTA）性能。消融实验验证了各角色设计在立场检测任务中的有效性。进一步实验表明，该方法具备良好的可解释性与广泛的适用性。综上所述，COLA在可用性、准确性、有效性、可解释性与灵活性方面均表现卓越，充分凸显了其在立场检测任务中的重要价值。