HateSense作者复检框架组件：仅类权重训练效果显著

Faria Naznin 等在 arXiv 发布消融研究论文，对 HateSense 仇恨言论检测框架中的分层分类与情感特征组件进行受控复检，结论称分层分类实际上降低了性能。 复检在 Davidson（24,783 条推文）和 HateXplain（19,229 条帖子）两个公开数据集上进行，采用五个随机切分、基于验证集调参和配对 bootstrap 检验。结果显示：类权重训练是唯一有大效应的干预（macro-F1 提升 2.0–3.5，仇恨类别 F1 提升 5.9–9.1）；论文框架所用的多数类优先分层结构相对扁平分类器使 macro-F1 下降 1.1–1.5 点（p≤0.007）。 此外，跨数据集迁移使 macro-F1 降至 43–53，且一个回收蔑称会使逻辑回归检测器的误判为仇恨的比率翻倍。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。