PulseAugur
实时 04:06:50
English(EN) BioSentinel at EXIST 2026: Soft-Label Optimization with XLM-RoBERTa for Sexism Intent Classification in Memes

BioSentinel使用XLM-RoBERTa对表情包中的性别歧视意图进行分类

BioSentinel团队为EXIST 2026竞赛开发了一种以文本为中心的方法,用于对表情包中的性别歧视意图进行分类。他们的系统基于XLM-RoBERTa-base构建,采用了一个结合了KL散度(用于软标签)和加权交叉熵(用于硬标签)的组合损失函数。该方法在软标签和硬标签评估中均取得了具有竞争力的排名,证明了其在主观NLP任务中的有效性。 AI

影响 这项研究有助于开发能够理解多模态内容中细微意图的模型,有望改进内容审核和分析工具。

排序理由 该条目是一篇学术论文,详细介绍了在特定评估活动任务中的参与情况,并提出了新颖的方法和结果。[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 →

BioSentinel使用XLM-RoBERTa对表情包中的性别歧视意图进行分类

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Chandru Munisamy, Karthikeya Raguveer, Alapan Kuila ·

    BioSentinel在EXIST 2026:使用XLM-RoBERTa进行软标签优化以对表情包中的性别歧视意图进行分类

    arXiv:2607.24137v1 Announce Type: new Abstract: This paper describes the BioSentinel team's participation in EXIST 2026 Task 2.2: Source Intention in Memes, part of the CLEF 2026 evaluation campaign. The task requires classifying the communicative intent behind memes as direct, j…