多轮对话隐式未成年人检测框架

论文用受限自演化框架提升多轮对话未成年人检测效果。

资讯摘要

论文提出一种在弱身份信息下从多轮对话隐式判断说话者是否为未成年人的高风险用户属性推断任务，并给出由大语言模型、Harness 与 Maker-Checker 协议组成的受限框架，控制推断触发时机、要求结构化对话证据并对 Harness 修订做版本级审核。作者在含 8,328 段多轮对话的中文基准上报告，平均精度与未成年人类 F1 较同族 LLM 直接推断分别提升 7.60 和 6.37 个百分点。

要点速读

1. 论文将弱身份信息下的隐式未成年人检测定义为高风险用户属性推断任务。
2. 框架由 LLM、Harness 和 Maker-Checker 协议构成，要求结构化对话关联证据。
3. 在 8,328 段多轮对话的中文基准上，平均精度和未成年人类 F1 分别提升 7.60 和 6.37 个百分点。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。