PulseAugur
中
实时 17:22:49
English(EN) Multimodal Sexism Identification and Characterization using Large Language Models and Gradient Boosting

LLM 助力识别表情包和视频中的性别歧视

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个用于识别和表征表情包和短视频等模态内容中的性别歧视的系统。他们的方法结合了视觉、文本和 LLM 推导的语义特征，并将它们输入到梯度提升回归模型中。研究发现，LLM 推导的线索显著提高了表情包中性别歧视的识别率，而视频分析则对特征选择和跨模态噪声敏感，这表明视频内容需要更鲁棒的时间建模。 AI

影响 这项研究证明了 LLM 在识别细微有害内容方面的效用，有可能改进用于内容审核的 AI 安全工具。

排序理由 该集群包含一篇详细介绍多模态性别歧视识别新方法的论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LLM 助力识别表情包和视频中的性别歧视

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Kyriakos Chaviaras, Maria Lymperaiou, Athanasios Voulodimos ·

    使用大型语言模型和梯度提升进行多模态性别歧视识别与表征

    arXiv:2606.05997v1 Announce Type: new Abstract: We present the AILS-NTUA submission to the EXIST 2026 Lab at CLEF, addressing multimodal sexism identification and characterization in memes (Task 2) and short-form videos (Task 3). Our system follows a feature-engineered late-fusio…

  2. arXiv cs.CV TIER_1 English(EN) · Athanasios Voulodimos ·

    使用大型语言模型和梯度提升进行多模态性别歧视识别与表征

    We present the AILS-NTUA submission to the EXIST 2026 Lab at CLEF, addressing multimodal sexism identification and characterization in memes (Task 2) and short-form videos (Task 3). Our system follows a feature-engineered late-fusion pipeline built around gradient-boosted regress…

相关实体

相关话题