English(EN) PersianAnonymizer: Evaluating LLM-Labeled Training for Efficient NER-based Anonymization in Persian

LLM 通过高效 NER 训练加速波斯语聊天匿名化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了一种使用 LLM 标注数据对波斯语客户聊天进行高效匿名化的方法。他们比较了三种指令微调的 LLM——DeepSeek-V3-0324、GPT-OSS-120B 和 Qwen3-235B-A22B-Instruct-2507——来为训练紧凑型命名实体识别 (NER) 模型生成标注。研究发现，在零样本设置下，GPT-OSS-120B 的监督使训练好的 NER 模型表现最佳，实现了高宏观 F1 分数和标签覆盖召回率。这种方法能够快速且经济高效地在消费级硬件上匿名化大型数据集。 AI

影响为工业应用中的敏感波斯语文本数据实现经济高效且快速的匿名化。

排序理由该集群包含一篇学术论文，详细介绍了 LLM 数据匿名化的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 25 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了 LLM 数据匿名化的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Mohammad Hossein Shalchian, Mostafa Amiri, Amir Mahdi Sadeghzadeh · 2026-09-02 04:00

PersianAnonymizer：评估 LLM 标注训练在波斯语 NER 匿名化中的效率

arXiv:2609.00958v1 Announce Type: new Abstract: We target practical anonymization of Persian customer chats by training a compact NER model from LLM-labeled supervision and selecting the best labeler for deployment. We compare three instruction-tuned LLMs: DeepSeek-V3-0324, GPT-O…

本文如何被排名

报道来源 [1]

PersianAnonymizer：评估 LLM 标注训练在波斯语 NER 匿名化中的效率

相关实体

相关话题