Thunder-DeID+ 提升韩语法律文书去标识化精度
热点事件持续更新
Thunder-DeID+ 提升韩语法律文书去标识化精度
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Thunder-DeID+ 模型通过整合三层 PII 分类体系与边界感知 tokenizer，针对韩语法院判决书等敏感文档进行去标识化优化。该模型在 150M 至 1B 参数的四个规模中，将 W. Strict Typed F1 分数从 0.76 提升至 0.87，验证了方法的有效性。 进一步在 1000 份更广泛敏感文档上微调后，模型 F1 分数达到 0.93。这一结果证实了 Thunder-DeID+ 具备跨文档类型的迁移能力，不仅适用于法律文书，也能扩展至其他敏感文本处理场景。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
Thunder-DeID+：面向韩语法院判决书及更广敏感文档的边界感知去标识化报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · NLPThunder-DeID+：面向韩语法院判决书及更广敏感文档的边界感知去标识化
Thunder-DeID+ 模型通过整合三层 PII 分类体系与边界感知 tokenizer，将韩语法律文书去标识化的 W. Strict Typed F1 分数从 0.76 提升至 0.87。 该优化在 150M 至 1B 参数的四个模型规模中均有效提升了精度。在 1,000 份更广泛敏感文档微调后，分数进一步达到 0.93，证实了跨文档类型的迁移能力。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1010月19日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。