arXiv · cs.CL· Ferry Afit Kurniawan·· 12 天前AI 评分31
LLM 弱标注用于网络安全推文分类：Teacher-Student 框架研究
LLM-Based Weak Annotation for Cybersecurity Tweet Classification: A Teacher-Student Framework
来源与原文
arXiv · cs.CL
作者：Ferry Afit Kurniawan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.21254v1
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
研究者提出 Teacher-Student 弱监督框架，用 LLM 作为 Teacher 为无标注网络安全推文生成弱标签，无需大规模人工标注即可训练网络安全领域专用 PLM。仅用 LLM 生成标签训练的 PLM 在所有评测架构上 F1 均超过 0.92，与全人工监督模型的差距保持在 3 个百分点以内。结果表明 LLM 弱标注在专家标注资源有限时是构建网络安全训练数据的可行替代方案。
来源：arXiv · cs.CL · arxiv.org