12:14
官方账号arXiv cs.AI@Kevin Xu, Alexander Quispe
推荐理由：想给GitHub仓库自动打行业标签？这篇论文发布的数据集和管道精度高达97%，直接用RoBERTa或GPT-4.1就能复现，省去手动标注的麻烦。
RoBERTa
共 2 条相关 AI 资讯
7月8日
12:14
论文发布NAICS-GH数据集，包含6588个GitHub仓库，每个标注了NAICS 2022的2位数行业代码。管道结合BAAI/bge-large-en嵌入、FAISS检索和GPT-4.1评分，从约137万仓库中筛选出31798个候选对，最终保留6588个高置信度标签（分数≥8）。在2421个人工验证样本上，标签精度达96.98%，Wilson 95%置信区间[96.23,97.59]。基准测试中RoBERTa-large在20%测试集上达到86.45% F1和86.35%准确率。数据集和代码以CC-BY-4.0和MIT许可证开源。
5月22日
11:41
11:41
官方一手arXiv: OpenAI@Alexander Smirnov
精选
推荐理由：这项研究戳破了AI文本检测的底层假设——检测器可能只是在放大预训练模型的偏见而非真正学习区分。做AI安全、内容审核或学术诚信检测的团队，看完会重新评估现有检测方案的有效性。