本研究论文介绍了 MasonTigers 参与 SemEval-2024 任务 1 的成果，该任务涵盖了 14 种不同语言的监督学习、无监督学习和跨语言方法。MasonTigers 是两个参与了所有语言的团队之一，在三个任务中取得了从第 11 到第 21 名的排名（Track A）、第 1 到第 8 名的排名（Track B）和第 5 到第 12 名的排名（Track...

这篇论文介绍了 MasonTigers 参与 SemEval-2024 任务 8，即多生成器、多域和多语言黑盒机器生成文本检测。该任务包括二进制的人工书写 vs. 机器生成文本分类（A 轨道），多种机器生成文本分类（B 轨道）和人机混合文本检测（C 轨道）。我们最好的方法主要使用鉴别器转换模型的集成，以及句子转换模型和统计机器学习方法在特定情况下。此外，对于 A 轨道和 B...

本文描述了我们在 LT-EDI 2024 Workshop 的 Task 2 中针对十种语言中的同性恋恐惧症和 / 或跨性别恐惧症的检测的方法和结果。我们的方法包括单语种变换器和集成方法，利用各种方法的优势来提高模型的性能。集成模型效果良好，在十种语言中的八种语言中，我们的团队 MasonTigers 以宏 F1 分数计算排名前五。我们的工作强调了集成方法在多语言场景中的有效性，解决了语言特定任务的复杂性。