JU-NLP 在 Touché 2024 中的应用：对话 AI 中的隐蔽广告生成与检测策略
计算与语言
2025-09-19 v1 人工智能
摘要
本文提出了一套在对话 AI 系统中生成隐蔽广告的全面框架，以及用于检测它们的稳健技术。它探讨了如何在 AI 生成的回复中精心设计隐蔽的推广内容，并介绍了识别和缓解此类隐蔽广告策略的方法。对于生成（子任务 1），我们提出了一种新框架，利用用户上下文和查询意图来生成上下文相关的广告。我们采用先进的提示策略并整理配对训练数据，以微调大型语言模型（LLM）来增强隐蔽性。对于检测（子任务 2），我们探索了两种有效策略：微调的 CrossEncoder（\texttt{all-mpnet-base-v2}）用于直接分类，以及使用微调的 \texttt{DeBERTa-v3-base} 模型进行基于提示的重构。两种方法都仅依赖回复文本，确保了实际部署的可行性。实验结果表明两项任务均具有高效性，广告生成的精确率达到 1.0，召回率达到 0.71，广告检测的 F1 分数在 0.99 到 1.00 之间。这些结果强调了我们的方法在说服性沟通与对话 AI 中的透明度之间取得平衡的潜力。
引用
@article{arxiv.2509.14256,
title = {JU-NLP at Touch\'e: Covert Advertisement in Conversational AI-Generation and Detection Strategies},
author = {Arka Dutta and Agrik Majumdar and Sombrata Biswas and Dipankar Das and Sivaji Bandyopadhyay},
journal= {arXiv preprint arXiv:2509.14256},
year = {2025}
}