热点事件持续更新
研究团队提出结合NER的阿拉伯语有害内容检测方案REGLAT
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，REGLAT团队在arXiv公布了一项面向阿拉伯语提示词有害内容检测的两阶段方案，用于识别7类有害内容。该方案将命名实体识别技术与预训练模型相结合，先利用GLiNER抽取危害相关实体并与原文拼接，再交由经过微调的MARBERT分类器处理。评测结果显示，该方法在ArGuard 2026开发集上取得了0.886的Macro-F1和0.897的准确率；在盲测集子任务1与子任务2中，准确率分别达到0.793与0.770。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 12:00
REGLAT团队提出融合GLiNER与MARBERT的两阶段模型，公布在ArGuard评测中的多项指标。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 自然语言处理REGLAT 在 ArGuard 评测中提出融合 NER 的阿拉伯语有害内容检测模型
REGLAT 团队提出一种结合实体识别与预训练模型的两阶段方案，用于检测阿拉伯语提示词中的 7 类有害内容。该方法先通过 GLiNER 抽取危害相关实体并拼接原文，再交由微调的 MARBERT 分类器处理，在 ArGuard 2026 开发集取得 0.886 的 Macro-F1 与 0.897 的准确率。其在盲测集子任务 1 和子任务 2 的准确率分别达到 0.793 与 0.770。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
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。