大语言模型用于检测危及生命的文本
机器人学
2025-06-13 v1 符号计算
群论
最优化与控制
经典物理
摘要
检测危及生命的语言对于保护处于困境中的个人、促进心理健康与幸福，以及防止潜在伤害和生命丧失至关重要。本文 presented an effective approach to identifying life-threatening texts using large language models (LLMs)，并将其与传统方法（如词袋、词嵌入、主题建模和双向编码器表示来自变换器）进行比较。我们对三个开源LLMs包括Gemma、Mistral和Llama-2的7B参数变体进行微调，分别在不同构建的、具有类平衡、不平衡和极端不平衡情景的数据集上进行训练。实验结果表明，LLMs在传统方法中表现出强大的性能。更具体地说，Mistral和Llama-2模型在平衡和不平衡数据情景中表现最佳，而Gemma稍逊一筹。我们采用上采样技术来处理不平衡数据情景，并演示了虽然该方法对传统方法有所帮助，但对LLMs影响不大。本研究表明了LLMs在现实世界危及生命语言检测问题中的巨大潜力。
引用
@article{arxiv.2506.10686,
title = {An $O(n$)-Algorithm for the Higher-Order Kinematics and Inverse Dynamics of Serial Manipulators using Spatial Representation of Twists},
author = {Andreas Mueller},
journal= {arXiv preprint arXiv:2506.10686},
year = {2025}
}