Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.01050

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.01050 (cs)
[提交于 2025年6月23日 (v1) ,最后修订 2025年7月7日 (此版本, v2)]

标题: 文本净化:数据效率、语义保留和模型泛化

标题: Text Detoxification: Data Efficiency, Semantic Preservation and Model Generalization

Authors:Jing Yu, Yibo Zhao, Jiapeng Zhu, Wenming Shao, Bo Pang, Zhao Zhang, Xiang Li
摘要: 社交媒体上有毒内容的广泛传播对在线环境和公共讨论构成了严重威胁,凸显了迫切需要有效的净化方法,在去除毒性的同时保留原始语义。 然而,现有方法通常难以同时实现强大的净化性能、语义保留和对分布外数据的鲁棒性。 此外,它们通常依赖于成本高昂、手动标注的平行语料库,同时表现出较差的数据效率。 为了解决这些挑战,我们提出了一种两阶段训练框架,联合优化数据效率、语义保留和模型泛化能力。 我们首先在一小部分高质量、过滤后的平行数据上进行监督微调,以建立强大的初始化。 然后,我们利用未标记的有毒输入和自定义设计的奖励模型,使用组相对策略优化来训练大语言模型。 实验结果表明,我们的方法有效缓解了之前工作面临的权衡,实现了最先进的性能,提高了泛化能力,并显著降低了对标注数据的依赖。 我们的代码可在以下地址获取:https://github.com/allacnobug/Detoxification-of-Text.
摘要: The widespread dissemination of toxic content on social media poses a serious threat to both online environments and public discourse, highlighting the urgent need for detoxification methods that effectively remove toxicity while preserving the original semantics. However, existing approaches often struggle to simultaneously achieve strong detoxification performance, semantic preservation, and robustness to out-of-distribution data. Moreover, they typically rely on costly, manually annotated parallel corpora while showing poor data efficiency. To address these challenges, we propose a two-stage training framework that jointly optimizes for data efficiency, semantic preservation, and model generalization. We first perform supervised fine-tuning on a small set of high-quality, filtered parallel data to establish a strong initialization. Then, we leverage unlabeled toxic inputs and a custom-designed reward model to train the LLM using Group Relative Policy Optimization. Experimental results demonstrate that our method effectively mitigates the trade-offs faced by previous work, achieving state-of-the-art performance with improved generalization and significantly reduced dependence on annotated data. Our code is available at: https://github.com/allacnobug/Detoxification-of-Text.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 计算与语言 (cs.CL)
引用方式: arXiv:2507.01050 [cs.LG]
  (或者 arXiv:2507.01050v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.01050
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jing Yu [查看电子邮件]
[v1] 星期一, 2025 年 6 月 23 日 05:48:10 UTC (10,739 KB)
[v2] 星期一, 2025 年 7 月 7 日 07:48:05 UTC (10,739 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号