摘要

本文介绍了我们在SemEval Task 4——抽象意义阅读理解（ReCAM）三个子任务中的系统实现。我们详细阐述了模型训练所采用的算法，以及算法调优与最优模型选择的过程。受ReCAM任务与语言模型预训练任务之间相似性的启发，我们提出了一种简单而有效的技术——基于语言模型的负样本增强方法。实验结果表明，所提出方法具有显著有效性。在Subtask 1和Subtask 2的官方测试集上，我们的模型分别取得了87.9%和92.8%的准确率，排名分别为第4名。此外，我们还进行了全面的模型分析，观察到一些有趣的错误案例，这些发现有望为未来的研究提供有益参考。