Abstract
随着互联网在儿童群体中的广泛普及,新闻内容的”毒性遗留”与价值观缺失已成为亟待解决的安全挑战。本文提出了一种多模型协同的儿童新闻改写框架(CRV-LLM),旨在从词汇、事件、标题和价值观四个维度,对原始新闻文本进行深度风险识别与精准改写。CRV-LLM集成了四个轻量化风险检测模型和R1-Distill-Qwen-32B改写模型,通过模型间的协同与反馈,能够在保证儿童可读性的前提下,有效剔除潜在有害信息并植入积极价值引导。实验结果表明,CRV-LLM框架在安全性、教育性等核心指标上优于主流模型,且推理效率提升62%,为儿童互联网内容安全管理提供了一种高效、可扩展的技术方案。
- Anthology ID:
- 2025.ccl-1.30
- Volume:
- Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
- Month:
- August
- Year:
- 2025
- Address:
- Jinan, China
- Editors:
- Maosong Sun, Peiyong Duan, Zhiyuan Liu, Ruifeng Xu, Weiwei Sun
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 402–421
- Language:
- URL:
- https://aclanthology.org/2025.ccl-1.30/
- DOI:
- Bibkey:
- Cite (ACL):
- 梁宇蓝 梁宇蓝, 王悦 王悦, Dong Yu, Pengyuan Liu, and Chen Kang. 2025. 基于多模型协同的儿童互联网新闻风险管理与价值观引导框架. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 402–421, Jinan, China. Chinese Information Processing Society of China.
- Cite (Informal):
- 基于多模型协同的儿童互联网新闻风险管理与价值观引导框架 (梁宇蓝 et al., CCL 2025)
- Copy Citation:
- PDF:
- https://aclanthology.org/2025.ccl-1.30.pdf