面向零样态有害表情检测的多智能体框架：MIND
机器学习
2025-07-10 v1 软件工程
摘要
社交媒体上表情的快速扩张凸显了有效检测有害内容的迫切需求。然而，传统的数据驱动方法难以检测新出现的表情 due to its evolving nature and lack of up-to-date annotated data。为此，我们提出MIND，一个不依赖标注数据的零样态有害表情检测多智能体框架。MIND实施了三个关键策略：1）从未标注的参考集合中检索相似表情以提供上下文信息。2）提出一种双向洞察推导机制，以全面理解相似表情。3）然后采用多智能体辩论机制，通过 reasoned arbitration确保鲁棒决策。广泛的实验表明，我们的框架不仅在三个表情数据集上优于现有零样态方法，还在不同模型架构和参数规模之间显示出强大的泛化能力，为有害表情检测提供了一个可扩展的解决方案。该代码可在 https://github.com/destroy-lonely/MIND 提供。
引用
@article{arxiv.2507.06907,
title = {Robust and Safe Traffic Sign Recognition using N-version with Weighted Voting},
author = {Linyun Gao and Qiang Wen and Fumio Machida},
journal= {arXiv preprint arXiv:2507.06907},
year = {2025}
}
备注
27 pages including appendix, 1 figure