AraDetox

新数据集使用GPT-5和Gemini净化阿拉伯语社交媒体文本

研究人员推出了AraDetox，一个旨在改善社交媒体上有害阿拉伯语文本净化效果的新数据集。该数据集包含超过10,500条有害帖子和84,000条使用GPT-5和Gemini 2.5 Flash跨多种阿拉伯语方言生成的、经过净化的重写版本。人工评估证实，净化过程能有效去除有害内容，同时保留原文含义和方言风格，展示了大型语言模型辅助生成在创建大规模阿拉伯语自然语言处理资源方面的潜力。