高三学生凭神经网络论文获赞,研究网络暴力

ChatGPT响应生成全链路解析:从token切分到RLHF对齐 大语言模型(LLM)并非黑箱神谕,而是基于数学原理与工程实践构建的概率化信息处理系统。其核心依赖于分词(tokenization)、注意力机制(Attention)、概率采样与人类反馈强化学习(RLHF)四大技术支柱。这些技术共同支撑起从用户输入到结构化输出的完整推理链路,在保障响应合理性的同时,兼顾安全性、可控性与个性化表达。理解token如何表征语义、注意力如何聚焦上下文、RLHF如何对齐人类价值观,是规避AI幻觉、提升提示工程效能、实现行业场景精准落地的关键基础。本文以ChatGPT为典型,深入拆解训 阅读详情
By 超神经
场景描述:近日,在清华大学举行的丘成桐中学科学奖半决赛落下帷幕,来自海内外的 72 支队伍获得了总决赛的入场券,北京师范大学附属实验中学的高三学生,白行健,也在其中。他凭借一篇利用图卷积神经网络检测网络暴力的论文,在比赛中脱颖而出。长江后浪推前浪,瞧,00 后也要出道了。
关键词:网络暴力  图卷积神经网络  00 后
你高三的时候,在做什么呢?刷《五年高考三年模拟》?还是背英语单词?
一名叫做白行健的北京师范大学附属实验中学高三学生,已经在研究神经网络了,而且带着最新论文,入围丘成桐中学科学 奖 决赛。我们先看看他的作品,感受一下少年学霸的实力吧。

用卷积神经网络,检测网络暴力


白行健目前是北京师范大学附属实验中学(简称北师大实验)国际部高三学生,热爱数学和计算机科学,担任学校计算机社社长和⼈⽂社社长。
他本次参赛的论文标题为《基于自适应性图卷积神经网络的暴力用户检测》,论⽂提出了⼀种新的⾃适应图卷积神经⽹络模型(Adaptive Graph Convolutional Neural Networks,简称AdaGCN),是在传统的 GCN 模型的基础上做了改进和创新。

在新模型中,边权被设置为可训练的变量,这允许模型⾃适应性地学习⽤户之间关系的权重。⼀个值得关注的问题是,虽然可训练的边权提升了模型的能⼒,但是参数的增加会导致模型更难训练并可能发⽣过拟合。
为了解决这个问题,本⽂引⼊标签平滑假设(Label Smoothness Assumption),即在社交⽹络上相邻的两个⽤户更有可能会有相同的标签(即他们更有可能同时为暴⼒⽤户或同时为正常⽤户)。本⽂使⽤标签平滑假设对边权的训练施加了额外的监督。

具体来说,本⽂引⼊标签传播算法(Label Propagation Algorithm ,简称 LPA),并设计了丢⼀损失(the leave-one-out loss)作为标签平滑假设的具体实现,从⽽实现了和 GCN 模型的⾃然结合。

LPA 与丢一损失结合(左)
AdaGCN 的传播方案,其中特征向量和标签同时传播(右)
本⽂在 Manoel Horta Ribeiro 等⼈收集的数据集上应⽤了 AdaGCN 模型。该数据集包含了 10 万余名 Twitter ⽤户和 200 余万条社交关系,其中⼤约 5 千名⽤户被标注了是否为暴⼒⽤户。
实验结果表明,AdaGCN 的 AUC 得分为 0.80,F1 得分为 0.47,得分⾼于所有对⽐⽅法,包括传统的 GCN 模型、图注意⼒⽹络 (GAT)、标签传播算法(LPA)、⽀持向量机(SVM)等等。此外,AdaGCN 模型的结果具有最低的标准差,这表明 AdaGCN 模型具有很强的稳定性。
在训练集上 LOSS、AUC 和 FI (从左至右)得分
论文中指出,在线社交平台可以利⽤本⽂提出的⽅法来更好地评估、检测暴⼒⽤户,防⽌暴⼒⽤户伤害他⼈并传播仇恨⾔论。同时,⾃适应图卷积神经⽹络模型,也可以⽤来评估不同类型的暴⼒⾔论造成的社会影响。

有技术,也有情怀


网络暴力的确已经是这个时代的一种新的暴力形式,它可能无形中带给当事人巨大的伤害,甚至最终酿成严重后果。
在本次比赛中,白行健选择用技术检测网络暴力问题,因为身处互联网时代的他,也亲眼看到过身边的朋友遭遇网络暴力,而他选择用技术来帮助受害者。

前段时间,韩国女星崔雪莉的死亡
引发了一场「拒绝网络暴力」的讨论
白行健在论文中解释道,「2018 年 2 ⽉ 10 ⽇,⼀个名叫 Ted Senior 的 22 岁男孩在林地上吊⾃杀,原因是⼀些⼈在社交媒体上恶意地分享和评判他与⼀名⼥孩的聊天内容。

在我身边,我的同学好友在学校论坛发表观点,但是遭受匿名的辱骂和攻击,这种羞辱让他感到⾮常痛苦。我深深地被这些可恨的⾏为和可怕的后果所触动。计算机科学带来了信息时代,社交⽹络改变了我们的⽣活,我们期望技术会让世界更美好。但没有什么是尽善尽美的。⽹络暴⼒是信息技术⽆意中带来的⼀个问题,我渴望找到⼀种⽅法来发现和控制它们。」

白行健还是学校 Bridge 爱心社成员
课余时间为小朋友讲解计算机知识
白行健还表示:「技术旨在为⼈类带来便利和幸福,我们希望⽤技术的⽅法缓解网络暴力问题,给所有⽤户提供⼀个⼲净、友好的互联⽹世界。」

白行健的履历就是两个字:优秀


看过白行健的履历,用「优中选优」来概括一点也不过分。
他所就读的北师大实验中学,创建于 1917 年,是北京首批重点中学。近几年,其文理科一本率上线率均为 100%。学校师资队伍中,有博士 3 人,硕士 90 余人。

而他所在的北师大实验的国际部,更是被家长称为「全国最牛国际班」。

有知乎网友评论其「在大陆高中一骑绝尘」
2018 年北师大试验 UCLA 录取人数位居全国第一

2018 年,北师大实验国际部的学生,86% 进入美国 TOP 30 的名校就读。这里的学生,不少在初一、初二就开始准备托福,初三、高一准备 SAT。

白行健不仅在这次丘成桐中学科学奖中表现优异,在此前,他一直穿梭于各种比赛之中,并取得拔尖的成绩,金牌、第一名等字眼,布满他的履历:
白行健 (2017年-2019年部分殊荣)

•2018 年 5 ⽉受邀参加加拿⼤信息学奥林匹克竞赛(CCO)决赛及国家队集训营,获得决赛⾦奖第⼀名;
•2018 年 7 ⽉获得中国信息学奥林匹克竞赛决赛(NOI)银牌;
•2018 年 11 ⽉获得中国信息学联赛(NOIP)北京市提⾼组⼀等奖第 3 名;
•2019 年 1 ⽉参加美国信息学奥林匹克竞赛(USACO)公开赛获得满分,5 ⽉作为唯⼀的外国学⽣受邀参加美国国家队集训营(USACO 前25名美国中学⽣参加,选拔国家队成员);
•2018 年获得美国⾼中⽣数学建模竞赛(HiMCM)Finalist 奖项(⼀等奖 7%);
•2018 年获得美国数学⼤联盟杯(Math League)中国赛区第⼀名;
•2018 年获得美国数学竞赛(AMC) Distinction Honor Roll(荣誉奖 1%),AIME获得 8 分;
•2017、2018 连续两年获得北京师范⼤学附属实验中学⾦帆奖(top 2%)。
而他这次入围丘成桐奖总决赛,也是从来自国外 1500 多个团队中脱颖而出(共 72 支队伍入围),从此,他的人生履历中又新添一条出色的记录。

2019 年 5 月,白行健(右一)与其他三名同学代表北京
参加全国信息学奥林匹克竞赛(CCF NOI)

关于丘成桐中学科学奖


白行健这次所参加的丘成桐科学奖比赛是什么来历呢?

Dongrun-Yau Science Awards 东润丘成桐科学奖(原名「丘成桐中学科学奖」)是由中国著名数学大师丘成桐先生于 2008 年为全球华人中学生设立。每年累计有 1200 余所学校,约 5800 余支队伍参与此场科学界的盛宴。

本届丘成桐将涵盖了数学、物理、化学、生物、
计算机及经济金融建模六个学科
参赛队员覆盖国内外多个地区。每组参赛队前期要经过至少三轮的论文评审,通过后才有资格进去决赛。进入决赛的同学,需要经过来自国际顶尖高校包括美、英、法等国在内的 20 多位世界一流的教授组成的评审团的评定,并进行英文答辩。

白行健所参加的本届比赛,共有来自国内外 500 余所中学 1500 余团队、近 2000 名学生报名参赛,经过初筛、函评、桌评等程序,最终 72 支队伍入围。
看来,这个大赛的含金量也着实不小。就在前段时间,我们还讨论着刚进入职场发光发热的 95 后( 我们曾在 10 月采访了三位 95 后,他们已经在计算机领域走出自己的一片天地)。

而现在 00 后已经加入 AI 大军, 还没上大学,就已经带着论文过关斩将,光速奔走在改变世界的道路上 。

你感受到压力了吗?

—— 完 ——

扫描二维码,加入 AI 讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」自动入群

更多精彩内容(点击图片阅读)
GNN 2021(一) AdaGCN: Adaboosting Graph Convolutional Networks into Deep Models,ICLR 目录AdaboostADAGCNCOMPARISON WITH EXISTING METHODSEXPERIMENTS 本文在GCN中首次引入了AdaBoost方法,提出了AdaGCN模型。与其他直接堆叠多个图卷积层的图神经网络不同,AdaGCN在所有层之间共享相同的基神经网络架构,并进行递归优化,类似于RNN。此外,还从理论上建立了AdaGCN与现有图卷积方法之间的联系,展示了本的方案的优点。 本文认为构建深度图模型的一个关键方向在于对来自不同邻域的信息进行高效的探索和有效的组合,单纯的多次聚合会导致深. 阅读详情

相关推荐

图神经网络(二十三)AdaGCN: Adaboosting Graph Convolutional Networks into Deep Models

本文收录于ICLR2021,作者来自北大。占位!

码匀的博客 1378

何恺明MIT开门弟子名单公开:奥赛双料金牌得主、清华姚班学霸在列

奇月 发自 凹非寺量子位 | 公众号 QbitAI入职MIT电气工程和计算机科学系的何恺明,第一波门下弟子现在曝光——可以看到,四位研究者中其中有三位都是3位是华人:白行建、邓明扬、黎天鸿。我们熟悉的IMO、IOI双料奥赛金牌得主邓明扬也在列。事实上,在不久之前,他们就已经合作了一篇文章:无需矢量量化的自回归图像生成何恺明新作再战AI生成:入职MIT后首次带队,奥赛双料金牌得主邓明扬参与这篇文章...

量子位 257

用于视频中自动暴力检测的数据集

视频中自动暴力检测的数据集 该存储库包含350个分别标记为“非暴力”和“暴力”的视频剪辑,用于训练和测试用于检测视频中暴力的算法。 专门记录了非暴力剪辑,包括由于快速移动和与暴力行为的相似性而在暴力检测任务中导致误报的行为(拥抱,拍手,狂喜等)。 资料说明 数据集分为两个主要目录,“非暴力”和“暴力”,将包含的剪辑标记为分别显示非暴力行为和暴力行为。 violence-detection-dataset ├─ non-violent │ ├─ cam1 (60 .mp4 clips) │ └─ cam2 (60 .mp4 clips) └─ violent ├─ cam1 (115 .mp4 clips) └─ cam2 (115 .mp4 clips) 目录分为两个子目录“ cam1”和“ cam2”: “非暴力/ cam1”包括60

图上的迁移学习

图上的迁移学习常用概念Network Transfer Learning via Adversaria Domain Adaptation with Graph Convolution ——AdaGCN算法笔记AdaGCN 基本思想AdaGCN 基本定义及符号说明AdaGCN 基本框架实验DANE: Domain Adaptive Network Embedding——DANE算法笔记DANE 基本思想DANE 符号表示定义DANE 基本框架理论分析实验 常用概念 交叉网络节点分类问题:给定一个全部标记或者

weixin_40239306的博客 5080

Python基于深度学习的网络欺凌/网络暴力检测项目源代码+数据集+使用说明

文件说明 Dataset for Detection of Cyber-Trolls.json 是训练数据集,一行一个json对象 CybertrollsDetection-Train.ipynb 是一个ipynb文件,内容是对模型进行训练,可以导入你的jupyter notebook进行查看和运行 CybertrollsDetection.ipynb 模型运行的实际例子,ipynb文件版 CybertrollsDetection.py 模型运行的实际例子,纯python文件版本 model.h5 已经训练好的模型文件 word.json 已经构建好的词表文件 使用例子 请务必将model.h5和word.json文件放在于CybertrollsDetection.py相同目录下。 然后需要安装keras、tensorflow、numpy这些库 比如 pip install keras tensorflow numpy 安装完成以后,调用下面的语句执行 python3 CybertrollsDetection.py 'BAD WORDS'

Ubuntu20.04系统Cuckoo sandbox所需环境搭建及安装(超详细图文)

请勿叫我大神,我只是互联网的搬运工~ 前言 本教程以Ubuntu20桌面版作为示范,服务器版同样适用,但可能稍微麻烦一点,服务器版本的话安装Xmanage套装使用可能会相对轻松一些,由于后面会使用到vbox的使用,对vbox命令行操作不熟悉的小伙伴用xmanage可能会相对轻松一点。 提示:以下是本篇文章正文内容,下面案例可供参考 安装ubuntu20桌面版 步骤1:转到https://ubuntu.com/download/desktop下载下载.iso。 步骤2:使用您选择的虚拟机监控程序(VMWa

ElsonHY的博客 1万+

高三学生发表AI论文,提出针对网络暴力问题的新模型AdaGCN

作者 | 神经小兮来源 | HyperAI超神经(ID:HyperAI)【导读】近日,在清华大学举行的丘成桐中学科学奖半决赛落下帷幕,来自海内外的 72 支队伍获得了总决赛的入场券,北京师范大学附属实验中学的高三学生白行健,也在其中。他凭借一篇利用图卷积神经网络检测网络暴力的论文,在比赛中脱颖而出。长江后浪推前浪,瞧,00 后也要出道了。高三的时候,你在做什么呢?刷《五年高考三年模拟》?还是背英语...

AI科技大本营 5152

PyCharm + Anaconda虚拟环境:完美配置PySide6开发三件套(Designer/UIC/RCC)的避坑指南

本文详细介绍了如何在PyCharm和Anaconda虚拟环境中配置PySide6开发三件套(Designer/UIC/RCC),提供从环境准备到工具集成的完整解决方案。通过清晰的路径定位和PyCharm外部工具配置指南,帮助开发者快速搭建高效的Python GUI开发环境,避免常见配置陷阱。

weixin_28828243的博客 339

高三学生凭神经网络论文研究网络暴力!00后也要出道了?

By 超神经场景描述:近日,在清华大学举行的丘成桐中学科学奖半决赛落下帷幕,来自海内外的 72 支队伍获得了总决赛的入场券,北京师范大学附属实验中学的高三学生,白行健,也在其中。他凭借一...

zandaoguang的博客 1062

Dofbot机械臂从零部署笔记(1)——ROS之创建URDF模型、配置Moveit和MotionPlanning

Dofbot机械臂从零部署笔记(1)——ROS之创建URDF模型、配置Moveit和MotionPlanning

takedachia的博客 8700

微机原理与接口技术第六版周荷琴课后习题答案及解析(期末重点)

第二章 1.8086/8088CPU可直接寻址多少个内存(字节)单元?多少个I/O端口?它们的外部数据总线各有多少根? 8086/8088CPU使用的是20位地址总线,因此可以直接寻址2的20次方个内存单元(即1,048,576),每个单元大小为1字节,因此可以直接寻址2的20次方个字节的内存。 8086/8088CPU有64K个I/O端口,每个端口占用1字节的地址空间,因此可以直接寻址6...

Wmicheng的博客 1万+

何恺明MIT开门弟子名单公开!清华姚班学霸、奥赛双料金牌得主在列

点击下方卡片,关注“CVer”公众号AI/CV重磅干货,第一时间送达点击进入—>【Mamba/多模态/扩散】交流群添加微信号:CVer2233,小助手会拉你进群!扫描下方二维码,加入CVer学术星球!可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料,及最前沿应用!发论文/搞科研/涨薪,强烈推荐!奇月 发自 凹非寺转载自:量子位(QbitAI)入职MIT电气工程和计算机科学系的何恺...

阿木寺的博客 602

DC-DC电源PCB布局实战:从EMI优化到热管理

本文深入探讨了DC-DC电源PCB布局的核心实战技巧。文章从分析电流环路入手,强调通过优化“黄金三角”布局以最小化环路面积,从而有效抑制EMI并提升效率。详细阐述了功率器件摆放、地线分割、敏感信号布线、电感下方铺铜策略以及热管理设计等关键步骤,为工程师提供了一套从理论到实践的完整布局指南。

z5a6b的博客 722

如何治理“网络暴力” 在人类文明不断发展向前的进程中,大数据时代应运而来。数学建模解题步骤,愚见而已,欢迎指错和探讨呀~

如何治理“网络暴力” 在人类文明不断发展向前的进程中,大数据时代应运而来。解题步骤,愚见而已,欢迎指错和探讨呀~

qq_52045638的博客 1万+

fatal: unable to access ‘https://github.com/xxx.git/‘ OpenSSL SSL_connect: SSL_ERROR_SYSCALL 解决方案

 本文主要介绍了fatal: unable to access ‘https://github.com/xxx.git/’: OpenSSL SSL_connect: SSL_ERROR_SYSCALL in connection to github.com:443解决方案,希望能对使用git的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 24万+

人工智能面试总结-分类与聚类

目录说说常用的分类算法,以及各自的优缺点?说说为什么正确率有时不能有效评估分类算法?说说什么样的分类器最好?说说聚类算法有哪些衡量标准?(选看)各聚类算法性能比较汇总说说什么是聚类,你知道哪些聚类算法?具体展开介绍你知道的聚类算法?说说K-Means聚类算法流程?说说K-Means聚类算法如何调优?说说K-Means聚类算法如何选择初始点?说说K-Means聚类聚的是特征还是样本?说说K-Means聚类的特征距离是如何计算的?说说聚类与分类的区别?手撕K-Means聚类 说说常用的分类算法,以及各自的优缺点

啥都生的博客 3865

用数据分析网络暴力有多可怕

作者 | 小F来源 |法纳斯特这应该是一篇拖得蛮久的文章。故事源于潘长江在某个综艺节目上没认出蔡徐坤,然后潘长江老师的微博评论区就炸锅了。最后搞得两边都多多少少受到...

数据森麟 8021

点云目标检测:open3d多窗口联动可视化

多个模型之间的对比除了指标之外,还需要可以直接直观的对比可视化结果,这次介绍一下如何使用open3d同时打开两个窗口分别加载两个模型的结果进行对比,同时实现两个窗口的联动,也就是当一个窗口拖动或者缩放时另外一个窗口也跟着做同样的变换。

zhaoguanhua的博客 4688

Violence detection-Hockey Fight-CNN+LSTM暴力检测CNN+LSTM实例

提取属于视频的一组帧,将它们发送到一个名为VGG16的预训练网络,获得其最后一层的输出,并从这些输出训练另一个具有称为LSTM的特殊神经元的网络结构。这些神经元具有记忆能力,能够分析视频的时间信息,如果在任何时候检测到暴力,就会被归类为暴力视频。 对数据的处理以及查看 导入所需要的包: %matplotlib inline import cv2 import os import numpy as np import keras import matplotlib.pyplot as plt # import

qq_41956697的博客 4812

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

网络安全公开数据集

该数据集来自UCI,又名人口调查数据集,来自于美国1994年人口调查数据库,共有记录48842条,格式为TEXT,包含14个属性,分别为Age,workclass,fnlwgt,education,education-num,marital-status,occupation,relationship,race,sex,capital-gain,capital-loss,hours-per-week,native-country,该数据集适用于机器学习、数据挖掘和隐私保护等。

u013446024的博客 2401

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【数据分享】维基百科Wiki负面有害评论(网络暴力)文本数据多标签分类挖掘可视化...

原文链接:http://tecdat.cn/?p=8640讨论你关心的事情可能很困难。网络暴力骚扰的威胁意味着许多人停止表达自己并放弃寻求不同的意见(查看文末了解数据免费获取方式)。平台努力有效地促进对话,导致许多社区限制或完全关闭用户评论(点击文末“阅读原文”获取完整代码数据)。数据简介AI团队正在研究工具,以帮助提高在线评论互动。一个重点领域是研究负面的在线行为,如有害评论(即粗鲁、不尊重或可...

拓端研究室TRL 239

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

【数据分享】维基百科Wiki负面有害评论(网络暴力)文本数据多标签分类挖掘可视化

原文链接:http://tecdat.cn/?p=8640 数据简介 讨论你关心的事情可能很困难。网络暴力骚扰的威胁意味着许多人停止表达自己并放弃寻求不同的意见。平台努力有效地促进对话,导致许多社区限制或完全关闭用户评论。 AI团队正在研究工具,以帮助提高在线评论互动。一个重点领域是研究负面的在线行为,如有害评论(即粗鲁、不尊重或可能使某人离开讨论的评论)。到目前为止,他们已经构建了一系列可用模型。但是当前的模型仍然会出错,并且它们不允许用户选择他们感兴趣的有害评论类型,例如,某些平台可能

大数据部落 993

【图神经网络的设计 文献理论创新总结】

1.图神经网络的设计角度 AdaGCN: Adaboosting Graph Convolutional Networks into Deep Models 【 ICLR 2021】 创新点: 将传统机器学习方法(AdaBoost)与GNN结合,提出AdaGCN,AdaGCN在所有层之间共享相同的基本神经网络结构,能够在一定程度上解决过平滑问题。 摘要: 深度图模型仍是一个有待研究的问题,关键之处在于如何有效地汇聚来自多跳邻居节点的特征信息。在本文中,通过将AdaBoost融入到图网络中提出了一个类似于

weixin_44064434的博客 2225
上一篇: 手机端的 Cortana 即将成为历史【智能快讯】
下一篇: 特斯拉硬核皮卡发布,现场却「碎了一地玻璃」
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论 23
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值