来自 AI Wizards 的研究人员开发了一种新颖的分层方法，用于识别模因中的性别歧视，并在 EXIST 2026 上发表。他们的系统利用 Gemini Embedding 2 进行视觉-语言表示，并通过使用 KL 散度和不确定性加权的 Gated MLP 进行处理。该方法通过预测条件软标签来模拟标注者之间的分歧，从而在性别歧视识别和分类任务的 Soft-Soft 排行榜上名列前茅。 AI
影响 这项研究为处理主观和多模态数据的内容审核提供了一种新颖的方法，有望提高 AI 处理细微有害内容的能力。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于特定 AI 任务（模因中的多模态性别歧视识别）的新方法及其在基准测试上的表现。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.04410v1 Announce Type: new Abstract: We present the AI Wizards submission to EXIST 2026 for multimodal sexism identification in memes. The task is composed of three, increasingly harder subtasks. We model them hierarchically as conditional soft-label prediction over em…
We present the AI Wizards submission to EXIST 2026 for multimodal sexism identification in memes. The task is composed of three, increasingly harder subtasks. We model them hierarchically as conditional soft-label prediction over empirical annotator distributions. Our system maps…
A multimodal sexism identification system for memes uses hierarchical conditional soft-label prediction with vision-language embeddings and a lightweight Gated MLP trained via KL divergence and uncertainty weighting.