跳到正文
arXiv · AI· Yunpeng Xiao, Kyrie Zhixuan Zhou, Youpeng Zhao, Kai Shu·· 9 天前AI 评分25

通过个体因素解决个体级自然语言理解中的标签错误

Understanding and Tackling Label Errors in Individual-Level Nature Language Understanding

AI 导读

研究提出基于个体因素的标注指南,解决个体级 NLU 任务标签错误率高问题。 在立场检测和主题情感分析数据集中,原始标签错误率分别高达 31.7% 和 23.3%。 利用 GPT-4o 和 Llama3-70B 实验发现,加入个体因素后两模型准确率均超 87%。该论文获 ASONAM 2026 最佳论文奖。

来源:arXiv · AI · arxiv.org