MULTI-CASE：一个基于Transformer的伦理感知多模态调查情报框架

AI驱动模型越来越多地部署于业务分析解决方案中，例如在调查新闻或情报界。当前方法面临两个主要挑战：伦理和隐私问题，以及有效结合异构数据源进行多模态分析的困难。为解决多模态分析的挑战，我们提出了MULTI-CASE，一个与领域专家合作设计的、面向伦理感知和多模态情报探索的整体可视分析框架。它利用人与AI之间的平等联合代理来探索和评估异构信息空间，通过可视分析检查和平衡自动化。MULTI-CASE运行在一个完全集成的数据模型上，并通过多个链接组件（包括组合搜索、注释文本视图和基于图的分析）提供特定类型的分析。底层实体检测部分基于一个RoBERTa语言模型，我们通过微调使其适应用户需求。一个总体的知识探索图结合了所有信息流，提供原位解释、透明的来源归属，并促进有效探索。为评估我们的方法，我们进行了一套全面的评估：我们在相关NER任务上对底层语言模型进行了基准测试，达到了最先进的性能。演示系统根据情报能力评估进行了评定，而方法论则根据伦理设计指南进行了评估。作为一个案例研究，我们在调查新闻环境中展示了我们的框架，支持战争罪调查。最后，我们与执法领域的领域专家进行了形成性用户评估。我们的评估证实，该框架促进了安全敏感应用中的人类代理和引导。