.png){kind=icon}
返回
Evaluating LLMs for Multi-label Text Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3055-7_24.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着机器学习模型规模的增长，对高质量标注数据的需求日益增加。然而，人工标注成本高昂，且人工标注过程存在响应延迟和伦理问题等挑战。近期推出的ChatGPT提供了一种替代方案，可生成标签以替代人工标注。本文通过全面调查探讨了ChatGPT在文本分类任务中替代人工标注的潜力。研究发现，ChatGPT在文本分类任务中表现良好，但需关注公平性问题。这些结果表明，ChatGPT在替代人工标注方面具有潜力，特别是在伦理挑战大、内容敏感的任务中，人工参与可能受限。
Keyword:
Active Learning
Large Language Models (LLMs)
Multi-label Text Classification
Human-in-the-loop
Fairness and Bias
期刊
K
IF:
0
论文数:
28
被引数:
0
机构
引用论文
Testing the Reliability of ChatGPT for Text Annotation and Classification: A Cautionary Remark测试ChatGPT用于文本注释和分类的可靠性: 一个警告.png)
OAAI
IF0
OAAI分享收藏
Fairness Evaluation in Text Classification: Machine Learning Practitioner Perspectives of Individual and Group Fairness文本分类中的公平性评估：机器学习从业者对个体公平性和群体公平性的看法OAAI
OAAI分享收藏
查看更多内容