arXiv 机器学习· Jincheng Gao, Wei Ding, Shuo Sun·· 9 小时前AI 评分36
SemTree：用于可审查与可修复规则决策的裁判感知语义决策树
SemTree: Judge-Aware Semantic Decision Trees for Inspectable and Repairable Rule Decisions
AI 导读
研究人员提出 SemTree 框架，将内容审核等规则决策表示为自然语言语义决策树，由可拔插裁判判断并在出错节点直接修复。在 8,276 个 ShARC 测试用例上，该树达到 67.70% 准确率且每例仅需 2.99 个问题，与直接询问裁判的 68.23% 相当。节点级修复使 BANKING77 准确率从 82.04% 提升至 86.16%，豁免节点将某电商审核假阳性从 24 降至 5。
来源：arXiv 机器学习 · arxiv.org