对话情感-原因提取中LLM任务形式对比：生成不如判断

论文发现，在对话情感-原因对提取任务中，成对判断范式在所有18项对比中优于对话级生成；LLM能识别92.7%-98.1%的关系，但难以自主发现完整集合；引入辅助检索器可提升F1 0.5-1.46点，推理时间仅为基础范式的1.49倍。

此前通常默认LLM生成能力足以直接输出完整关系集合，但该研究揭示了任务分解（转为成对判断）可显著提升表现，提示产品设计不应直接依赖LLM的“端到端”生成。

LLM在生成完整关系集合时因搜索空间大而遗漏，但在明确问询时能高准确率识别；成对判断降低任务复杂度（从生成转为判别），但依赖阈值做二值决策不够稳定；辅助检索器通过二次检验模糊候选，提升召回率且仅增加少量延迟。

若开发对话情感分析产品，应放弃直接生成关系集合的架构，改用成对判断加阈值后处理，并嵌入辅助检索器处理边界情况，以平衡精度与效率。

• 为客服系统构建情感-原因检测模块，采用成对判断API，实时识别用户情绪触发点。
• 在社交舆情分析中，集成辅助检索器优化边界案例，精准定位情绪原因。
• 将成对判断范式迁移至其他任务（如因果抽取），提升LLM在关系提取场景的应用效果。

• 辅助检索器在不同规模LLM上是否仍保持类似提升？
• 成对判断的候选阈值能否通过少量标注自适应调整？
• 该方法在长对话、多角色场景下的鲁棒性如何？