arXiv 自然语言处理· Xiaohan Zhang, Ying Zhao, Ruilin Guo, Xuanyuan Yu, Kaibo Huang, Yukun Wei, Zhongliang Yang, Linna Zhou·· 9 小时前AI 评分38
高风险 AI 交互多轮对话隐式未成年人检测：受约束的自进化 LLM Harness 框架
Implicit Minor Detection from Multi-Turn Dialogue in High-Risk AI Interactions: A Constrained Self-Evolving LLM Harness
AI 导读
研究团队提出一种结合 LLM、Harness 与 Maker-Checker 协议的受约束框架，用于在缺乏强身份信息的高风险 AI 交互中隐式检测未成年人。该框架能控制推理调用时机，要求关联结构化对话证据，并对策略修订执行版本级审查。在包含 8,328 个多轮对话的中文基准测试中，该方法相比同系列 LLM 直接推理将平均精度和未成年人类别 F1 分别提升了 7.60 和 6.37 个百分点。
来源：arXiv 自然语言处理 · arxiv.org