研究人员开发了HarmTrace，一个旨在提高识别有害表情包内目标准确性的新颖框架。该系统解决了模型能够正确将表情包分类为有害但无法精确指出具体目标或支持证据的局限性。HarmTrace通过实体感知微调增强了目标实体监督，并采用条件目标识别策略优化（CTPO）来解耦有害性和目标识别性能。通过使用虚拟正锚点（VPA）进行归一化，HarmTrace显著提高了整体有害性准确性和细粒度目标识别能力，这在Qwen3-VL-8B模型上的联合记录准确率（JRA）大幅提升中得到了证明。 AI
影响 增强了AI精确识别有害表情包内目标的能力，改善了内容审核和安全性。
排序理由 该集群包含一篇详细介绍特定AI任务新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Conditional Target-identification Policy Optimization (CTPO)
- HarmTrace
- Hugging Face
- Joint Record Accuracy (JRA)
- Meme3W
- Qwen3 VL 8B
- Virtual Positive Anchor (VPA)
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
