超级会员免费看
该研究提出一种结合大型语言模型（LLMs）的多模态辩论方法来识别恶意表情包，通过两个LLMs代表有害和无害立场进行辩论，生成理由。随后，使用小型模型进行判断，整合视觉和文本信息，提高预测准确性和解释性。实验表明，这种方法在Harm-C、Harm-P和FHM数据集上的表现优于其他基线模型，且生成的解释具有较高的质量和说服力。
Towards Explainable Harmful Meme Detection through
Multimodal Debate between Large Language Models
https://arxiv.org/abs/2401.132981.概论
对于恶意表情包的识别，以往的研究方法没有能够深入表情包所隐含的复杂意义和文化背景，因此，他们往往不能充分解释某个表情包是有害的。这篇论文
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
