热点事件持续更新

OLRS-SE：软件社区冒犯性语言检测与消减系统

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Jithin Cheriyan、Bastin Tony Roy Savarimuthu 和 Stephen Cranefield 发表论文，提出并评估了冒犯性语言检测与消减系统 OLRS-SE。该系统能检测、分类评论中的冒犯性语言，向发帖者解释为何冒犯，并提出非冒犯性的替代表述。研究基于 Stack Overflow、GitHub、Gitter 和 Slack 四个平台的 13 万条用户评论，开发了 72 个传统与深度学习机器学习模型，最佳模型 F1-Score 在 0.56 至 0.94 之间，平均 0.85，主要使用 BERT。作者称，30 名参与者参与的用户研究显示该系统易于使用，且在减少冒犯性语言方面有效。作者将探究不同大语言模型在减少冒犯性语言方面的能力列为未来研究方向。

AI 根据报道生成 · 46 分钟前更新

最新进展10月15日 12:00

检测并减少软件社区中的攻击性语言：OLR-SE 系统研究

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.SE
检测并减少软件社区中的攻击性语言：OLR-SE 系统研究
研究基于 Stack Overflow、GitHub、Gitter 和 Slack 四个平台的 13 万条用户评论，开发了 72 个机器学习模型用于检测和分类攻击性语言，最佳模型 F1-Score 在 0.56 至 0.94 之间，平均 0.85，主要使用 BERT。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。