PulseAugur
中
实时 17:14:55
English(EN) CBRS: Cognitive Blood Request System with Bilingual Dataset and Dual-Layer Filtering for Multi-Platform Social Streams

Llama-3.2-3B 模型在解析血型捐赠请求方面达到 92% 的准确率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了认知性血型请求系统 (CBRS)，这是一个旨在从社交媒体流中高效过滤和解析紧急血型捐赠请求的框架。该系统利用了一个包含超过 11,000 条孟加拉语和英语消息的新型双语数据集，并纳入了对抗性负样本以增强鲁棒性。CBRS 在过滤方面达到了 99% 的准确率，并使用 LoRA 微调的 Llama-3.2-3B 模型在零样本解析方面达到了 92% 的准确率，显著优于其他大型语言模型，同时减少了代币使用量。 AI

影响 提高了社交媒体上时效性信息提取任务的效率和包容性。

排序理由 这是一篇详细介绍新系统和数据集用于信息提取的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

Llama-3.2-3B 模型在解析血型捐赠请求方面达到 92% 的准确率

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Anik Saha, Mst. Fahmida Sultana Naznin, Zia Ul Hassan Abdullah, Anisa Binte Asad, K. G. Subarno Bithi, A. B. M. Alim Al Islam ·

    CBRS：用于多平台社交流的双语数据集和双层过滤的认知血液请求系统

    arXiv:2604.16665v2 Announce Type: replace Abstract: Urgent blood donation seeking posts and messages on social media often go unnoticed due to the overwhelming volume of daily communications. Traditional app-based systems, reliant on manual input, struggle to reach users in low-r…

相关实体

相关话题