11 月 18 日提交的 arXiv 预印本比较了检索增强方法对虚假评论分类的影响。系统先用经 LoRA 微调的 RoBERTa 分类器判断。当置信度不足时,用 FAISS 找到相似的已标注评论,再请语言模型结合这些样本复核。
研究覆盖酒店评论和跨领域评论等设置。论文报告了多组精确率提高的情况,附录中的部分结果同时显示召回率下降,即误报减少时也漏掉了一些应检出的样本。
这些结果来自有标注的特定数据集。低比例虚假评论和新领域评估的效果仍要结合其样本与分类阈值解读。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
