实体
Prolific
Prolific
PulseAugur coverage of Prolific — every cluster mentioning Prolific across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
LLM标注在低成本下可媲美人类标签，用于敌意检测
一篇新的arXiv论文研究了大型语言模型（LLM）在主动学习数据标注方面的有效性，特别是在在线评论的敌意检测方面。研究发现，LLM，特别是使用两问界面的GPT-5.2，可以以远低于人类标注者的成本标注数据，并取得相当或更优的性能。然而，研究也指出，在使用LLM标注者时，主动学习并未提供优于随机抽样的可靠优势，且不同LLM的错误结构各不相同，有些会将经济或边境管制言论错误分类。
-
机器人数据集揭示了可解释人工智能的用户问题
研究人员开发了一个包含 1,893 个用户问题的新数据集，专门用于可解释机器人学。该数据集收集自 100 名参与者，将问题分为 12 类，重点关注用户对机器人能力和任务执行细节的期望。研究结果表明，虽然用户经常询问基本任务信息，但他们认为有关假设场景和确保正确行为的问题最为重要。该资源旨在帮助开发更好的人机交互问答模块和解释策略。
-
众包在可靠检测视听深度伪造方面面临挑战
一项新的研究论文探讨了众包在检测视听深度伪造方面的有效性。研究发现，虽然普通大众在识别真实视频方面表现良好，但他们经常会错过被篡改的内容，并且难以准确指出篡改的类型或时间戳。聚合判断可以提高真实性检测的准确性，但并不能完全解决漏检篡改内容的问题，也无法解决识别特定篡改类型（尤其是视听结合的深度伪造）的困难。