研究人员开发了NepOOC-M，这是首个公开可用的用于检测尼泊尔语和英语中脱离上下文（OOC）虚假信息的基准。该数据集包含1,090个图像-标题对，并根据五种虚假信息类型进行了标注。评估显示，仅文本的模型，特别是多语言BERT（mBERT）变体，与多模态架构的表现相当，达到了94.65%的宏观F1分数。研究表明，扩大数据集规模比增加模型复杂度对进步更有影响。 AI
影响 为开发和评估用于代表性不足语言的虚假信息检测AI模型提供了新资源。
排序理由 发布新的学术基准数据集和模型比较分析。[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 →
