研究人员开发了一种名为BRACE的新方法，用于检测不断改变措辞和类型的有害聊天对话。BRACE识别这些对话中的不变的“有序推理链”（ORC），其中包括重复的主题、危害指标、严重性层级和类型特征。通过将ORC编码为四个可微分的阶段，BRACE在使用RoBERTa-wwm-ext骨干网络时实现了0.934的高危害类型宏F1分数，在使用Qwen3-1.7B作为解码器骨干网络时甚至达到了0.949。 AI
影响 这项研究可能带来更强大的AI安全系统，能够识别和减轻动态对话环境中的有害内容。
排序理由 该条目是一篇在arXiv上发表的研究论文，详细介绍了一种检测有害聊天对话的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
