计算机科学 > 机器学习
[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
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.
文献和引用工具
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
推荐器和搜索工具
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.