PulseAugur
中
实时 10:09:31
English(EN) Conditional Reliability of Toxicity Signals for Multilingual and Code-Mixed Abuse Detection

ToxGate 通过条件化信号改进多语言毒性检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 ToxGate，这是一种新颖的信任融合头，旨在提高毒性检测系统的可靠性，特别是在多语言和代码混合文本方面。传统的审核工具难以处理转写、俚语和语言不匹配等变体。ToxGate 通过在将辅助毒性信号整合到预测状态之前，对其进行编码器表示的条件化来解决这一问题。跨多个数据集和编码器的实验表明，ToxGate 在明确的诽谤和暴力威胁等高风险审核场景中显著提高了性能，为基于证据的审核提供了更细致的方法。 AI

影响 增强了人工智能驱动的内容审核系统在不同语言环境下的可靠性。

排序理由 详细介绍毒性检测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

ToxGate 通过条件化信号改进多语言毒性检测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Indraveni Chebolu, Rohan Singh, Arnab Mallick, Harmesh Rana ·

    多语言和代码混合滥用检测的毒性信号的条件可靠性

    arXiv:2607.15861v1 Announce Type: cross Abstract: Moderation systems increasingly rely on external toxicity tools, but those tools are unreliable under code-mixing, transliteration, slang, and language mismatch. We study the \emph{conditional reliability} of toxicity priors in In…

相关实体

相关话题