★ 2
研究用理由正则化缓解仇恨言论检测解释公平差异
论文研究仇恨言论检测中的解释公平性，基于 HateXplain 数据集提出 Plausibility-EFG 指标，衡量不同人群间解释合理性的最大差异。结果显示对抗训练的 ADV-RoBERTa 在提升分类性能的同时缩小解释差异，并提出 Fair-REF 框架。
arXiv NLP14 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究仇恨言论检测中的解释公平性，基于 HateXplain 数据集提出 Plausibility-EFG 指标，衡量不同人群间解释合理性的最大差异。结果显示对抗训练的 ADV-RoBERTa 在提升分类性能的同时缩小解释差异，并提出 Fair-REF 框架。