零样本作者归因中的作者表示策略：基于 LLM 与嵌入向量方法的对比研究

研究评估了标签-only 提示基线与三种作者表示策略（代表性写作样本、LLM 生成描述、风格嵌入向量 LISA），并提出结合候选空间缩减与嵌入维度选择的两阶段嵌入归因框架。结果显示标签-only 零样本归因效果不佳，作者特定表示可稳定提升性能，其中两阶段 LISA 框架整体最优，LLM 生成描述以部分性能为代价提供更紧凑的作者风格表示。现有开源 LLM 在缺乏更有效表示学习时仍不足以稳健归因。