SyRHM：结合联想检索与符号语言增强推理的零样本有害梗图检测
英文标题：SyRHM: Symbolic-Language-Enhanced Reasoning with Associative Retrieval for Zero-shot Harmful Meme Detection
检测有害梗图（Harmful Memes）对于维护健康的在线社区生态至关重要，但此类内容通常利用图文反差与文化刻板印象传达成隐性恶意，对现有多模态检测模型构成了极大挑战。针对该难题，研究团队提出了 SyRHM 框架，通过融合符号语言增强推理与联想检索技术，有效实现了零样本（Zero-shot）有害内容识别。该研究为开发者在缺乏充足标注数据的情况下识别复杂多模态隐性风险提供了全新范式，对推动多模态安全审核与内容治理具有重要实用价值。
打开原文相关 6.4 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2609.13794v1 公告类型：新提交（new）
摘要
检测有害梗图（Harmful Memes）对于维护安全的在线社区至关重要。然而，其有害意图往往是隐性的，通常源自视觉与文本的不一致性以及深层的文化刻板印象，这给现有的多模态检测器带来了巨大挑战。为此，我们提出了 SyRHM……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×