English(EN) Leveraging LaBSE with Progressive Curriculum Learning for Multicultural Polarization

新方法使用LaBSE嵌入进行跨语言极化检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-19 20:09

研究人员开发了一种新颖的方法来检测跨越多种语言和文化在线内容的极化现象，解决了低资源语言数据有限的挑战。他们的方法利用通常用于检索任务的LaBSE嵌入，实现了强大的跨语言学习，并在这些语言上的宏观F1分数提高了0.2。该研究还包括在基于检索的提示框架内对各种Qwen模型编码器的消融分析。 AI

影响这项研究可以改善对代表性不足语言中有害在线言论的检测。

排序理由该集群包含一篇学术论文，详细介绍了一种用于特定NLP任务的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Mothish M · 2026-06-19 20:09

利用 LaBSE 和渐进式课程学习应对跨文化极化

Detecting online polarization remains a critical challenge, particularly in multilingual and multicultural contexts where intergroup hostility is prevalent. The problem is particularly challenging due to the data scarcity for these tasks in the low-resource languages. Identifying…