Transformer 模型在社交机器人检测中的比较分析

社交媒体已成为当代社会沟通的关键媒介。这一现实促使许多方块利用人工用户（或机器人）来误导他人相信不实信息，或以有利于自身目的的方式行动。高级文本生成工具，如大型语言模型，进一步加剧了这一问题。本文旨在比较基于编码器和解码器的 Transformer 模型在机器人检测中的效能。我们构建了评估这些分类器性能的管道，结果显示编码器基模型在准确率和鲁棒性方面表现更佳。然而，解码器基模型通过任务特定的对齐显示出更大的灵活性，表明其在除外外还有更大的潜力进行跨不同用例的泛化。这些发现为持续防止数字环境被操纵，同时保护线上讨论的完整性提供了贡献。