KOTOX：針對韓語混淆有害語句的去混淆與去毒化資料集

KOTOX：韓語去混淆與去毒化資料集

KOTOX資料集聚焦韓語在網路上被刻意混淆的有害表達，提供可還原的混淆轉換規則與中性/有害句對，幫助模型辨識並淨化被偽裝的侮辱或攻擊語句。

作者將韓語混淆類型依語言學原理分類，特別考量黏著型詞形變化與Hangeul特有的正字變體，並從真實範例中抽取轉換規則，將這些規則包裝成開放的轉換框架。以此方法生成的資料包含原始句子、對照的中性或有害版本，以及對應的混淆變體。

實驗結果指出，使用KOTOX訓練的模型能更穩健地處理刻意混淆的文本，同時在非混淆情況下維持原有表現。研究團隊也把程式碼與資料發布在GitHub，期望協助社群進一步研究與緩解韓語中被偽裝的有害內容對大型語言模型的影響。

延伸閱讀

• SAGA：以工作流為單位的 GPU 叢集排程，結合 AEG 與 WA-LRU 優化代理延遲與資源
• SiriusHelper：以 LLM、分層知識庫與 DeepSearch 實作大數據平台運維助理
• Praxis：以結構化服務依賴圖（SDG）與hammock-block PDG驅動的雲端程式與設定根因分析

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。