阿拉伯语仇恨模因检测新方案：多任务标签注意力+跨模态融合，A1宏F1达0.7597！
SZED at ArGuard Shared Tasks: Multi-Task Label-Attention and Cross-Modal Fusion for Arabic Hateful Meme Detection
📖 AI 总结
该论文介绍了SZED团队参加ArGuard 2026 Track A阿拉伯语仇恨模因检测任务的方案。任务分为两部分：二分类（A1）和细粒度多标签标注（A2）。针对A1，作者融合MARBERTv2与CLIP ViT-L/14的嵌入表示，比较了拼接、自注意力和集成头三种融合方式；针对A2，采用带类别查询向量的多任务标签注意力架构，并引入辅助头进行级联校准。最终在A1上取得宏F1值0.7597，在A2的10个活跃类别上平均宏F1为0.3142。论文还报告了多次运行的可复现性、各类别错误模式，以及级联校准对长尾标签空间的影响，为阿拉伯语多模态仇恨内容检测提供了可参考的技术路径与实验基准。
🔑 关键词速览
| MARBERTv2 | 一种针对阿拉伯语方言优化的预训练语言模型，用于提取文本语义特征。 |
| CLIP ViT-L/14 | OpenAI提出的视觉-语言预训练模型，采用ViT-L/14架构，用于提取图像和文本的联合嵌入。 |
| 多任务标签注意力 | 一种为每个标签类别学习独立查询向量的注意力机制，用于多标签分类任务。 |
| 级联校准 | 通过辅助头对模型输出进行后处理校准，以缓解长尾分布下的类别不平衡问题。 |
| 宏F1 | 一种评价指标，计算每个类别的F1分数后取平均，对少数类别给予同等权重。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅