热点事件持续更新

Halal-NeSyNet提出并建清真配料审计基准

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Mochamad Rizal Fauzan等作者提出Halal-NeSyNet模型，并构建了含3,199条配料的清真食品审计基准。该模型将DistilBERT编码器与16维规则符号向量通过交叉注意力和门控融合结合，在基准上达到97.04±0.34%准确率和99.67±0.50%反事实三元组一致性；纯文本TF-IDF基线准确率为86.25-86.71%，假清真泄漏率为13.42-21.73%。作者称，由于标签和特征来自同一规则引擎，且91.3%的条目为模板化生成，上述结果衡量的是对规则策略的符合程度，而非宗教认证。

AI 根据报道生成 · 49 分钟前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

13:00
arXiv cs.CL
Halal-NeSyNet：子句级神经符号交叉注意力用于食品配料审计与清真物流风险分级
Halal-NeSyNet 将 DistilBERT 编码器与 16 维规则符号向量通过交叉注意力和门控融合结合，在 3,199 条配料审计基准上达到 97.04±0.34% 准确率和 99.67±0.50% 反事实三元组一致性，而纯文本 TF-IDF 基线仅 86.25-86.71%，假清真泄漏率 13.42-21.73%。

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。