GitHub · 去对齐工具与仓库·· 20 天前AI 评分36
LLM 钓鱼邮件检测解释效果评估：Claude API 三种解释风格对比研究
iamdavejnr/LLM-phishing-explanation-evaluation
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/iamdavejnr/LLM-phishing-explanation-evaluation
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Northumbria University 硕士项目构建端到端流水线，用 Random Forest 分类钓鱼邮件，经 SHAP 提取推理，再调用 Claude API 生成 technical、simple、narrative 三种解释风格，共生成 900 条解释。以保真度、Flesch 可读性和 LLM-as-Judge 评分（accuracy、clarity、completeness）配合 Kruskal-Wallis 检验评估，项目代码以 MIT Licence 开源。
来源：GitHub · 去对齐工具与仓库 · github.com