@inproceedings{zheng-2025-ccl25,
    title = "{CCL}25-Eval任务1系统报告:基于上下文学习与格式化约束的空间语义理解",
    author = "Zheng, Yiyang",
    editor = "Lin, Hongfei  and
      Li, Bin  and
      Tan, Hongye",
    booktitle = "Proceedings of the 24th {C}hina National Conference on Computational Linguistics ({CCL} 2025)",
    month = aug,
    year = "2025",
    address = "Jinan, China",
    publisher = "Chinese Information Processing Society of China",
    url = "https://preview.aclanthology.org/ingest-ccl/2025.ccl-2.1/",
    pages = "1--12",
    abstract = "``本系统报告详细介绍了我们团队参加第五届中文空间语义理解评测(SpaCE2025)的方法和成果。SpaCE2025旨在评估大语言模型在空间语义理解和空间推理能力上的表现,涵盖空间信息正误判断、空间异形同义判断、空间参照实体判断、中文空间方位关系推理和英文空间方位关系推理五个子任务。针对不同任务,我们采用基于上下文的有监督微调和格式化约束的逻辑推理框架,结合LoRA高效微调Qwen2.5-7B-Instruct和DeepSeek-R1-Distill-Qwen-7B模型,设计了约束提取、排列遍历和求解器求解的推理流程。在测试集上,我们在信息正误判断、异形同义判断、参照实体判断、中文方位推理、英文方位推理分别取得0.6454、0.7082、0.7720、0.6254、0.5997的准确率,综合排名第二。''"
}