开源 Indic 脏话检测模型:12 种印度语言 + 英语,CPU 上每条评论 4ms
sudalairajkumar · x · 2026-11-19
CobuildX-AI 开源了 Indic 脏话检测模型系列(Apache-2.0),用于微调印度语言模型前的内容过滤第一步。
- 覆盖范围:12 种印度语言 + 英语,支持原生文字、罗马化拼写和码混合(code-mixed)文本,基于 mmBERT-small 微调。
- 三个规格(纯 CPU 推理):17M 模型每条评论 4ms(F1 0.88)、36M 为 8ms(F1 0.89)、58M 为 14ms(F1 0.89)。
- 结论:17M 比 58M 快 3.5 倍而 F1 仅差 0.01;三个规格全部大幅优于关键词列表(F1 0.70),误报率 3.5%4%。
「研究」频道最新
- 审稿拖 1.5 年致 SOTA 论文过时,学者呼吁提交后即开源 — carlosdponx · 2026-11-19
- Berkeley 团队开源 StreamEmbed:屏幕历史检索提速3.7倍且全本地运行 — berkeley_ai · 2026-11-19
- NAACL RAF 开放 2026-2027 资助申请,5 月 6 日截止 — keviv9 · 2026-11-19
- MAVE:从电影镜头重建可编辑 3D 场景,直接在 Blender 内使用 — bdsqlsz · 2026-11-19
- NAACL 2027 学生研究工作坊征稿,截稿 2027 年 1 月 11 日 — keviv9 · 2026-11-19
- 260份文档实测:Gemini 3.8 Flash 以94.6分登顶文档抽取榜 — refractr · 2026-11-19