.png){kind=icon}
返回
Interpretable zero-shot stance detection with proactive content intervention
.png){kind=icon}
OA
AI
DOI：10.1016/j.ipm.2025.104223.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种具有合理解码和LLMs的可解释方法有助于零样本立场任务。
• 具有 toxicity、moral、temporal 和 emotional 方面的意图有助于解码立场。
• 基准数据集上的结果验证了我们可解释设计的有效性。
• LLM 干预更好地以同理心和说服力解决刻板印象。
Keyword:
Zero-shot stance detection
Intervention
Interpretability
Rationale decoding
Large language models
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
暂无机构信息
引用论文
Fuser: An enhanced multimodal fusion framework with congruent reinforced perceptron for hateful memes detectionFuser: 一种具有一致增强感知器的增强型多模态融合框架，用于仇恨模因检测
PREAI
分享收藏Zero-shot stance detection based on multi-expert collaboration基于多专家协作的零射击姿态检测.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Towards Explainable Harmful Meme Detection through Multimodal Debate between Large Language ModelsOAAI
OAAI分享收藏LLM-Driven Knowledge Injection Advances Zero-Shot and Cross-Target Stance DetectionLLM驱动的知识注入推进了零样本和跨目标立场检测
PREAI
分享收藏Zero-shot stance detection via multi-perspective contrastive with unlabeled data基于未标记数据的多视角对比零拍姿态检测
PREAI
分享收藏
查看更多内容