PulseAugur
实时 08:37:51
English(EN) thaulab@EEUCA 2026: Who Said What to Whom? A Targeting-Aware Neural-Symbolic Pipeline for Gaming Toxicity Detection

新管道采用神经符号方法解决游戏毒性问题

研究人员开发了一种新颖的神经符号管道,用于检测在线游戏聊天中的毒性,取得了0.6441的宏F1分数和0.9062的准确率。该系统在EEUCA 2026共享任务中,宏F1排名第三,准确率排名第一。它结合了Transformer模型和一个语言信息中介。该中介专门针对仇恨言论和威胁等关键少数类别,采用词汇规范化和主体定位分析等技术。该管道设计用于领域可移植性,只需对不同的游戏平台进行微调。 AI

影响 这种神经符号方法可以改进在线游戏平台的审核系统。

排序理由 该条目描述了一篇研究论文,其中详细介绍了一个用于特定任务的新系统。[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 →

新管道采用神经符号方法解决游戏毒性问题

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Anmol Guragain, Marcos Estecha-Garitagoitia, Luis Fernando D'Haro Enr\'iquez, Ricardo de C\'ordoba ·

    thaulab@EEUCA 2026:谁对谁说了什么?一种面向目标感知的神经符号化管线用于游戏毒性检测

    arXiv:2607.20447v1 Announce Type: new Abstract: This paper describes our system for the EEUCA 2026 Shared Task on toxicity classification in gaming chat. We implement a three-stage pipeline combining an ensemble of two compact transformers (DeBERTa-v3-base, 184M; XLM-RoBERTa-base…