BeDiscovER：推理语言模型时代的语篇理解基准测试集

BeDiscovER是EACL 2026收录的综合性语篇理解评测基准，专为评估推理型语言模型的语篇理解能力设计。它涵盖对话语篇解析、语篇标记理解、语篇关系识别、句子排序和时间推理五大核心任务，旨在系统评估模型在语篇层面的能力，推动NLP领域语篇理解的发展。

自然语言处理领域近年在句子级和词级任务上取得巨大进展，但语篇层面的理解仍是开放难题。语篇理解涉及文本单元关系分析、逻辑结构识别及跨句子信息整合，是真正理解语言的关键。随着推理型语言模型兴起，如何系统评估这类模型的语篇能力成为学术界亟待解决的问题。

BeDiscovER涵盖五个核心语篇任务：

1. 对话语篇解析：识别对话中的语篇结构（单元切分、关系识别），整合STAC、Molweni等权威数据集；
2. 语篇标记理解：测试对"然而""因此"等标记的语义功能理解，基于Just和Otherwise数据集；
3. 语篇关系识别：判断语篇单元间逻辑关系（因果、对比等），整合DISRPT 2025共享任务数据；
4. 句子排序：恢复打乱句子的正确顺序，反映对连贯性的把握，数据来自学术摘要、故事等多领域；
5. 时间推理：理解事件间时间关系（先后、同时等），基于TimeBank-Dense等时间标注数据集。

BeDiscovER采用清晰的数据组织方式，每个任务有独立目录和说明文档。项目提供统一数据加载脚本，支持灵活选择数据集和配置采样比例。不同任务数据格式适配其特点：对话语篇解析用JSON格式，句子排序用JSONL格式，语篇关系识别支持自动扩展DISRPT测试集，方便研究者进行跨任务对比实验。

BeDiscovER的命名揭示其时代背景——推理语言模型时代。传统模型侧重表层模式匹配，而推理型模型通过思维链展现更强逻辑推理能力。但语篇理解需长距离依赖建模、隐式关系识别及全局结构把握，BeDiscovER正是为检验推理模型在这些更高层次语篇能力上的表现而设计。

作为EACL 2026收录论文，BeDiscovER具有重要学术价值：提供标准化评估平台，通过多任务设计揭示语篇理解不同维度的关联，帮助研究者分析模型强弱项。对工业界而言，它指导对话系统、文档理解、知识抽取等应用场景，开发者可通过评估选择适合的模型和训练策略。

BeDiscovER代表语篇理解评测向综合性、多维度方向发展的重要尝试。它提醒我们，真正理解语言需把握文本宏观结构和逻辑关系，而非仅词汇句法知识。随着推理语言模型持续演进，BeDiscovER将成为推动语篇理解领域进步的重要力量。