harmful-content-mitigation

#harmful-content-mitigation

从专业化到通用化：指令微调大语言模型用于健壮有害内容缓解

arXiv cs.CL ↗ · 2026-08-27 缓存

本文研究了通过指令微调通用大语言模型来实现健壮的有害内容缓解，特别是仇恨言论检测，使用了一个包含36个数据集的统一语料库，取得了最先进的性能，并增强了跨领域和跨语言的泛化能力。

0 人收藏 0 人点赞