PulseAugur
中
实时 08:37:57
English(EN) ShriNep@EEUCA 2026: RAKSHAK - Multi-Task DeBERTa with Rationale Distillation and Jigsaw-Augmented Training for Toxic Intent Classification

RAKSHAK 系统在 ACL 2026 的有毒意图分类任务中获得第七名

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为 ACL 2026 的 GameTox 共享任务开发了 RAKSHAK 和 M1 两个系统，专注于对《坦克世界》聊天中的有毒意图进行分类。RAKSHAK 是主要系统，它使用 DeBERTa-v3-base 模型，并结合了来自 Qwen2.5-14B 的推理蒸馏、监督对比损失以及针对稀有类别的专用头部。它还整合了来自 Jigsaw Toxic Comment 数据集的跨域迁移以及用于极端主义的 LLM 生成样本。RAKSHAK 取得了 0.5883 的 Macro F1 分数，在 35 个团队中排名第七，而次要系统 M1 的 Macro F1 分数为 0.5252。 AI

影响 这项研究展示了处理有毒意图分类中不平衡和稀缺数据的先进技术，有望改进审核工具。

排序理由 该项目是一篇学术论文，详细介绍了一个用于特定 NLP 任务的系统。[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 →

RAKSHAK 系统在 ACL 2026 的有毒意图分类任务中获得第七名

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Binayak Karki, Aryan Kafle, Pingala Ghimire ·

    ShriNep@EEUCA 2026: RAKSHAK - 用于有毒意图分类的多任务DeBERTa，包含推理蒸馏和Jigsaw增强训练

    arXiv:2607.20450v1 Announce Type: new Abstract: This paper presents two systems for the GameTox Shared Task at the Workshop on EEUCA at ACL 2026, which requires classifying World of Tanks chat utterances into six fine-grained toxic intent categories (Labels 0-5). Severe class imb…

相关实体

相关话题