利用监督对比预训练转换器解析社交媒体中的写作风格
原文中文，约400字，阅读约需1分钟。发表于：。在线社交网络是有害行为的肥沃土壤，从仇恨言论到虚假信息的传播。我们提出了一种基于作者风格的转换模型 STAR，通过关联内容与其各自的作者来理解有害行为。我们的模型在与 PAN 挑战中的归因和聚类任务上表现出有竞争力的性能，并且在 PAN 验证挑战中使用单个密集层取得了有希望的结果。
该研究构建了一个包含700条改写句子和1000条《原神》游戏中的句子的大规模数据集，探索了小型模型通过隐式风格预训练的有效性，并提出了一种基于ChatGPT的文本生成质量自动评估方法。研究人员展示了他们的模型在少样本文本风格转换模型方面达到了state-of-art的性能。
