XGBoost擊敗LLM：在烏克蘭戰爭Telegram數據中識別平民傷害帖子

Bellingcat開發了一種基於XGBoost的機器學習模型，用於從Telegram海量帖子中高效篩選出涉及平民傷害的內容。與傳統方法相比，該模型將搜索時間大幅縮短，且性能優於Gemma、Gemini等大型語言模型。研究團隊通過特徵工程、關鍵詞分析和語義相似度計算，成功將人工核查的重點從搜索轉向驗證。該開源方法為衝突地區平民傷害監測提供了可複用的技術框架。