English(EN) Detoxifying Toxic Communication: A Design Science Approach to Responsible AI

开发的AI产物用于检测和改写有毒的职场沟通

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

研究人员采用设计科学研究方法，开发了一种新的AI产物，以解决数字职场中的有毒沟通问题。该产物使用微调的Transformer模型DistilBERT和DistilRoBERTa进行准确的有毒性检测。它还集成了mT0-XL-Detox-ORPO，这是一个生成模型，能够将有毒信息改写成无冒犯性的释义，同时保留其原始含义。该系统旨在促进尊重的对话并保持对话的连续性，为仅删除或阻止有害内容的传统审核工具提供了一种建设性的替代方案。 AI

影响这项研究提供了一种新颖的内容审核方法，通过在保留含义的同时消除有毒性，有可能改善职场沟通和信任。

排序理由该项目是一篇学术论文，详细介绍了新的AI产物及其技术评估。[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: 31 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇学术论文，详细介绍了新的AI产物及其技术评估。[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, safety, product; 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) · Hossein Arshadi Soufiani, Henry M. Kim, Hjalmar Turesson, Syed Mohammad Arham Noman, Anav Setia · 2026-09-02 04:00

净化有毒沟通：负责任人工智能的设计科学方法

arXiv:2609.00361v1 Announce Type: cross Abstract: Toxic language in digital workplaces such as pejoratives, sarcasm, condescension, and subtle incivility can erode trust, morale, and collaboration. Existing moderation tools primarily delete or block harmful messages, disrupting c…

本文如何被排名

报道来源 [1]

净化有毒沟通：负责任人工智能的设计科学方法

相关实体

相关话题