arXiv · cs.AI · Zhihua Wang, Yifeng Gao, Yunhao Feng, Rui Pan, Baiheng Zhao, Zixing Chen, Nan Li · 8 小时前模型评分46
CST：为网络讨论审核提供带来源证据的轻量风险分级
CST: Lightweight Risk Triage with Source-Grounded Evidence for Web Discussions
导读
研究者提出轻量风险分级流程 CST，先判断该看哪些消息、再决定展示什么，把风险分数转成可快速阅读和核查的原文证据。CST 将字符模式与固定多语言模型的句义结合打分，可在普通 CPU 上运行，并在五个数据集的六项任务中比全量微调的多语言模型排序更准。在相同阅读预算下，它比仅按分数阅读找到更多有害消息；用户研究中审阅者用时至少减少 27%，决策准确率保持在 94% 以上。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：内容与娱乐
事件类型：研究发布
证据摘录
- “We present CST, a lightweight triage pipeline that first decides where to look, then what to show.”
- “Code and dataset reconstruction resources will be released at this https URL .”
来源：arXiv · cs.AI · arxiv.org