ReCAST：一种基于恢复意识的级联分阶段训练方法，用于混淆短信的风险分类

研究人员提出 ReCAST 框架，旨在解决大模型在抗干扰任务中难以部署的问题。该框架利用监督学习进行去混淆跨度检测、去混淆类型预测及文本恢复，并将大模型的去混淆能力蒸馏至小型学生模型，使其能够用于下游的风险分类任务。实验在一个内部构建的真实世界中文短信基准上进行了验证，结果显示该方法相比直接训练基线显著提升了抗干扰分类性能。研究认为，这种感知恢复的蒸馏方法为生产环境下部署的小型化、高鲁棒性短信风险分类系统提供了可行路径。