标签
本文提出了一种用于跨平台中文攻击性评论检测的双阈值难例挖掘策略，以解决因领域偏移导致的性能下降问题。该方法在COLD数据集上微调RoBERTa模型，并利用极少数标记数据将其适应于四个中文社交媒体平台。
本文利用 MIPVU 框架和 PSU 中文隐喻语料库，建立了用于 Token 级中文隐喻识别的可复现多架构基线。研究比较了 RoBERTa 和 MelBERT 等编码器模型与 Qwen3.5-9B 生成式模型的性能，并开源代码和数据以推动后续研究。
北京大学研究人员提出了CFMS，这是首个细粒度中文多模态讽刺检测基准，包含2,796个图像-文本对和三级标注框架（讽刺识别、目标识别、解释生成），以及一种新颖的强化学习增强上下文学习方法（PGDS），该方法显著优于现有基线。