arXiv · cs.AI· Aisvarya Adeseye, Adeyemi Adeseye, Mohammad Tahir, Jouni Isoaho·· 1 天前
CARE-SD：用于文本数据中本地小语言模型自我披露分析的可解释推理架构
CARE-SD: Explainable Reasoning Architecture for Local SLM Self-Disclosure Analysis in Textual Data
arXiv:2610.21151v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Aisvarya Adeseye, Adeyemi Adeseye, Mohammad Tahir, Jouni Isoaho
研究任务与主要进展
研究者提出CARE-SD架构，通过语境自适应处理、分层披露推理、解释一致性核验和跨批次协调，提升本地小语言模型对网络安全访谈中自我披露的分析能力。基于论文摘要，Llama 3B的类别Macro-F1由0.80提升至0.88，无依据主张减少60%，并达到20B参考模型的类别Macro-F1水平；实验使用82份独立标注访谈和五种组织部门。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org