English(EN) Automated Data Enrichment using Confidence-Aware Fine-Grained Debate among Open-Source LLMs for Mental Health and Online Safety

新的大语言模型辩论框架提升心理健康和在线安全的数据丰富度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-12 04:00

研究人员开发了一种名为置信度感知细粒度辩论（CFD）的新框架，以改进自然语言处理任务的自动化数据丰富。该方法通过开源大语言模型之间的细粒度通信来模拟人类协作标注。实验表明，CFD 在心理健康分析和在线安全等领域提高了性能，在将丰富指标纳入下游任务时，Macro-F1 分数提高了 9.9 分。 AI

影响该框架可以显著提高心理健康和在线安全等敏感领域数据标注的效率和准确性。

排序理由该集群包含一篇详细介绍 NLP 任务新框架的研究论文。[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 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Junyu Mao, Anthony Hills, Talia Tseriotou, Maria Liakata, Aya Shamir, Dan Sayda, Dana Atzil-Slonim, Natalie Djohari, Pamela Ugwudike, Mahesan Niranjan, Stuart E. Middleton · 2026-08-12 04:00

使用开源大语言模型进行置信度感知细粒度辩论的自动化数据丰富，以促进心理健康和在线安全

arXiv:2512.06227v3 Announce Type: replace Abstract: Real-world indicators play an important role in many Natural Language Processing (NLP) applications, such as life events for mental health analysis and risky behaviours for online safety, yet labelling such information is often …