DAPE

研究者提出了双轴政策蕴涵（Dual-Axis Policy Entailment, DAPE）基准，旨在同时评估政策对在'领域'和'变迁方向'两个维度上的关系。

DAPE将政策对判断拆解为两个有序决策：二元判断（是否同一政策领域）和五元判断（延续、拓宽、收窄、逆转、不同领域）。

DAPE基准包含1000个有序政策指令对，均从中国政府的政策语料中抽取。

研究者贡献了一套标注校准协议（包含裁决包和前后一致性测量），作为确保标注质量可量化、可复现的方法论工具。

在零样本设置下，14个开源权重模型和4个前沿API旗舰模型均未能通过DAPE政策变迁推理任务。

表现最好的前沿旗舰模型与专家标签的随机校正一致性Cohen's κ约为0.29，远低于人类上限约0.53。

采用LoRA SFT对Qwen3-14B进行五折交叉验证微调后，模型达到κ = 0.524，接近编码者间人类上限κ = 0.527。

研究者将DAPE用于分析中国人工智能政策（1980-2024年），并绘制了不同时代的政策变迁方向。

DAPE中的'蕴涵'概念借自自然语言推理（NLI）任务，将前一项政策视为前提、后一项政策视为假设，用蕴含关系刻画新政策相对于旧政策的语义位置。