محققان در تازهترین پژوهش خود، مدل «BioSentinel» را برای شناسایی قصد و نیت پشت میمهای اینترنتی معرفی کردهاند. این مدل که در رقابتهای EXIST 2026 شرکت کرده، با استفاده از معماری XLM-RoBERTa و ترکیب روشهای یادگیری با «برچسبهای نرم» (Soft-Label)، توانسته دقت قابل قبولی در تفکیک محتوای جنسیتی و قضاوتگر از محتوای عادی کسب کند.
این تحقیق نشان میدهد که چگونه چالشهای مربوط به «عدم توافق میان ناظران» (Annotator Disagreement) در پروژههای پیچیده زبانی، میتواند با تغییر در توابع هزینه (Loss Functions) مدلهای هوش مصنوعی بهبود یابد. گامی مهم برای درک بهتر فرهنگ بصری در دنیای دیجیتال! 🖼🤖
منبع: arXiv NLP