論文の概要: CST: Lightweight Risk Triage with Source-Grounded Evidence for Web Discussions

• arxiv url: http://arxiv.org/abs/2611.01710v1
• Date: Sun, 01 Nov 2026 08:59:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.493113
• Title: CST: Lightweight Risk Triage with Source-Grounded Evidence for Web Discussions
• Title（参考訳）: CST: Web 議論のためのソース・グラウンド・エビデンスによる軽量リスクトライアージ
• Abstract要約: CSTはライトウェイトなトリアージパイプラインで、最初に見る場所を決め、次に何を示すかを決めます。 文の意味を固定した多言語モデルを用いて、正確な単語をキャプチャする文字パターンをペアリングすることで、リスクをスコア付けする。 その後、関連するメッセージをまとめて各グループから選択するので、小さな読み上げ予算が議論のさまざまな部分をカバーします。
• 参考スコア（独自算出の注目度）: 8.467359480538436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web communities rely on moderators to catch harmful messages such as insults, hate speech, and scams, but no one can read every message. Existing tools give each message a risk score, which tells moderators where to look but not what to read or how to check it. Yet meaning depends on context: the same reply, "I agree.", can support or oppose removing someone from a group. Moderators therefore need source-grounded evidence, not just scores: a few key messages kept with their original wording and replies. We present CST, a lightweight triage pipeline that first decides where to look, then what to show. It scores risk by pairing character patterns, which capture exact wording, with sentence meaning from a fixed multilingual model, so it handles several languages and runs on an ordinary CPU. It then groups related messages and picks from each group in turn, so a small reading budget covers different parts of a discussion, and links every pick back to the original thread. Across six tasks from five datasets in several languages, CST ranks harmful messages more accurately than a fully fine-tuned multilingual model and, under the same budget, finds more of them than reading by score alone. In a user study, reviewers needed at least 27% less time with CST's grouped evidence while keeping decision accuracy above 94%. CST turns risk scores into evidence that moderators can read quickly and check in context. Code and dataset reconstruction resources will be released at https://github.com/Kirito14IT/CST-MIL.
• Abstract（参考訳）: Webコミュニティは、侮辱、ヘイトスピーチ、詐欺などの有害なメッセージをキャッチするためにモデレーターに依存しているが、誰もすべてのメッセージを読めない。 既存のツールは、各メッセージにリスクスコアを与え、モデレーターに何を読むかではなく、何を読むか、どのようにチェックするかを伝える。 同じ回答である"私は同意する"は、グループから誰かを取り除くことをサポートするか、または拒否することができる。 そのため、モデレーターは、スコアだけでなく、情報源に基づく証拠を必要としている。 CSTはライトウェイトなトリアージパイプラインで、最初に見る場所を決め、次に何を示すかを決めます。 文字列を固定多言語モデルから意味のある文で、正確な単語をキャプチャする文字パターンのペアリングによってリスクをスコア付けし、複数の言語を処理し、通常のCPU上で動作させる。 その後、関連するメッセージをまとめて各グループからピックするので、小さな読み上げ予算が議論のさまざまな部分をカバーし、すべてのピックを元のスレッドにリンクする。 複数の言語の5つのデータセットから得られた6つのタスクの中で、CSTは、完全に微調整された多言語モデルよりも、有害なメッセージを正確にランク付けし、同じ予算の下では、スコアだけで読むよりも多くを見つけることができる。 ユーザ調査では、CSTのグループは、決定精度を94%以上維持しながら、少なくとも27%の時間が必要でした。 CSTはリスクスコアをモデレーターが素早く読み上げ、コンテキストでチェックできることの証拠にします。 コードとデータセットの再構築リソースはhttps://github.com/Kirito14IT/CST-MILでリリースされる。

関連論文リスト

• ToxiREX: A Dataset on Toxic REasoning in ConteXt [7.155412580325742]
  toxiREX: Toxic Reasoning in ConteXtを紹介する。 データセットはRedditコメントのスレッドと、コメントが意味する構造的特徴で構成されている。 ToxiREXは、複数の言語、会話コンテキスト、暗黙の毒性を同時に組み込んだ最初のデータセットである。
  論文  参考訳（メタデータ） (2026-06-26T11:30:42Z)
• Separating the Wheat from the Chaff with BREAD: An open-source benchmark and metrics to detect redundancy in text [9.484323358958706]
  BREADは,繰り返しボイラプレートと可塑性言語コンテンツに対する人間ラベル付きベンチマークである。 いくつかの基準値CRED(Character REDundancy)スコアを同時にリリースし,BREADの有効性を評価する。
  論文  参考訳（メタデータ） (2023-11-11T00:11:50Z)
• XTREME-UP: A User-Centric Scarce-Data Benchmark for Under-Represented Languages [105.54207724678767]
  データ不足は、多言語NLPシステムの開発において重要な問題である。 我々はXTREME-UPを提案する。XTREME-UPはゼロショットではなく、希少なデータシナリオに焦点を当てたベンチマークである。 XTREME-UPは、88言語にまたがる言語モデルが、9つのキーとなるユーザー中心技術上で機能する能力を評価する。
  論文  参考訳（メタデータ） (2023-05-19T18:00:03Z)
• Learning to Speak from Text: Zero-Shot Multilingual Text-to-Speech with Unsupervised Text Pretraining [65.30528567491984]
  本稿では,対象言語に対するテキストのみのデータを用いたゼロショット多言語TS法を提案する。 テキストのみのデータを使用することで、低リソース言語向けのTSシステムの開発が可能になる。 評価の結果,文字誤り率が12%未満のゼロショットTSは,見当たらない言語では高い知能性を示した。
  論文  参考訳（メタデータ） (2023-01-30T00:53:50Z)
• Understanding Translationese in Cross-Lingual Summarization [106.69566000567598]
  言語間要約(MS)は、異なる対象言語で簡潔な要約を生成することを目的としている。 大規模なCLSデータを集めるために、既存のデータセットは通常、それらの生成に翻訳を伴います。 本稿では、まず、CLSデータセット構築の異なるアプローチが、異なるレベルの翻訳に結びつくことを確認する。
  論文  参考訳（メタデータ） (2022-12-14T13:41:49Z)
• COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
  COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。 また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。 我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
  論文  参考訳（メタデータ） (2022-01-16T11:47:23Z)
• POSLAN: Disentangling Chat with Positional and Language encoded Post Embeddings [1.4699455652461724]
  スレッド内のポストに対するベクトル埋め込みを作成し、あるメッセージがどこにあるかというコンテキストに関して言語的特徴と位置的特徴の両方をキャプチャする。 これらの埋め込みをポストに使用して、類似性に基づく接続行列を計算し、グラフに変換する。 結果のグラフは、スレッド内のポストに対する応答関係を発見するために使用することができる。
  論文  参考訳（メタデータ） (2021-07-07T23:32:17Z)
• Scaling to Many Languages with a Triaged Multilingual Text-Dependent and Text-Independent Speaker Verification System [9.361951528451298]
  これは46言語の規模でのスピーカー検証システムの最初の研究です。 多言語テキスト依存およびテキスト非依存コンポーネントからなるハイブリッドセットアップの使用を検討する。
  論文  参考訳（メタデータ） (2021-04-05T19:48:16Z)
• XCOPA: A Multilingual Dataset for Causal Commonsense Reasoning [68.57658225995966]
  XCOPA (Cross-lingual Choice of Plausible Alternatives) は11言語における因果コモンセンス推論のための多言語データセットである。 提案手法は,翻訳に基づく転送と比較して,現在の手法の性能が低下していることを明らかにする。
  論文  参考訳（メタデータ） (2020-05-01T12:22:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。