新数据集 Strategic 16K 为文档敏感性基准测试 AI 模型

研究人员开发了 Strategic 16K，这是一个包含 16,000 份来自 WikiLeaks 的外交电报的新数据集，旨在防止文档敏感性分类中的标签泄露。该语料库被用于对经典模型和基于 Transformer 的模型进行基准测试，结果显示 BERT 在清理后的数据上取得了最高的准确率 (89.14%) 和 F1 分数 (89.33%)。虽然像 BERT 和 ELECTRA 这样的 Transformer 模型表现最佳，但 TF-IDF 结合逻辑回归在较低的计算成本下也提供了强大的性能。 AI

影响 为文档敏感性分类建立了新的基准，强调了干净数据对于可靠的 AI 性能的重要性。

排序理由 该集群包含一篇学术论文，详细介绍了新的数据集和 AI 模型的基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• BERT
• ELECTRA
• Hugging Face
• logistic regression model
• Strategic 16K
• tf–idf
• WikiLeaks Public Library of US Diplomacy (PlusD)

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →