免训练情感分类框架Emo-Jev发布
热点事件持续更新
免训练情感分类框架Emo-Jev发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yazhou Zhang、Junhao Yu 提出免训练情感分类框架 Emo-Jev，用 Jev 概率决策接口做文本分类，含分解原子判断的 Emo-Jev-D 与多路径共识的 Emo-Jev-SC 两种实现。 在覆盖情感分析、情绪识别、讽刺与幽默检测的八个数据集上，标准 Jev 平均 macro-F1 为 62.93%，低于最强 LLM 基线的 67.28%；但报道称 Jev 延迟更低、成本总体更省。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
Emo-Jev：用 Jev 概率推理做情感分类，无需训练即可媲美 SoTA LLM报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.CLEmo-Jev：用 Jev 概率推理做情感分类，无需训练即可媲美 SoTA LLM
Emo-Jev 是一个免训练框架，通过 Jev 的概率决策接口做文本分类，含分解原子判断的 Emo-Jev-D 与多路径共识的 Emo-Jev-SC 两种实现。在覆盖情感分析、情绪识别、讽刺与幽默检测的八个数据集上，标准 Jev 平均 macro-F1 为 62.93%，最强 LLM 基线为 67.28%，但 Jev 延迟更低、成本总体更省。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。