研究人员探讨了大型语言模型 (LLM) 在检测土耳其语（一种低资源语言）电话诈骗方面的有效性。他们引入了一个包含 100 对诈骗和正常对话的对齐音频-文本记录的新数据集。该研究评估了七个 LLM，包括 Gemini 2.5 变体、GPT-4o 和 Qwen 模型，使用了原始音频、自动转录文本和人工校正的转录文本。结果表明，基于文本记录的输入比直接音频处理更有效，而人工校正和未校正的转录文本表现相似。 AI
影响 强调了在低资源语言中进行更具包容性的 AI 安全研究和多模态系统以进行欺诈预防的必要性。
排序理由 该集群包含一篇学术论文，详细介绍了 LLM 在特定任务方面的能力研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.24523v1 Announce Type: cross Abstract: Scam phone calls exploit vulnerable communities worldwide, yet research on detection has focused almost exclusively on English and other high-resource languages. In low-resource settings such as Turkish, detection is especially di…
Scam phone calls exploit vulnerable communities worldwide, yet research on detection has focused almost exclusively on English and other high-resource languages. In low-resource settings such as Turkish, detection is especially difficult, as annotated data is scarce and technolog…