PANDA -- Paired Anti-hate Narratives Dataset from Asia: Using an LLM-as-a-Judge to Create the First Chinese Counterspeech Dataset
University of Florida(佛罗里达大学);Lingua
针对中文反言论资源缺失问题,本文结合 LLM-as-a-Judge、模拟退火、零样本生成与循环赛机制构建并人工验证首个中文 CS 语料库 PANDA。
2025-01-04 cs.CL
Leveraging the Potential of Prompt Engineering for Hate Speech Detection in Low-Resource Languages
Bangladesh Institute of Governance and Management (BIGM)(孟加拉国治理与管理研究所);Department of Cyber Security Engineering, George Mason University(网络安全工程系,乔治·梅森大学)
本文针对低资源语言仇恨言论检测的数据集匮乏问题,在Llama2-7B模型上提出并评估了包括首创隐喻提示在内的六种提示策略,并与多种深度学习模型及词嵌入方法对比,证明了其在孟加拉语等语言中的有效性。
2025-06-30 cs.AI cs.CL
Hypothesis Engineering for Zero-Shot Hate Speech Detection
University of Zurich(苏黎世大学)
仇恨言论检测的标准方法依赖于足够的可用仇恨言论注释。扩展以前的工作,重新利用自然语言推理(NLI)模型的zero-shot文本分类,我们提出了一个简单的方法,结合多个假设,以提高英语NLI为基础的zero-shot仇恨语音检测。我们首先进行一个错误分析的香草NLI为基础的zero-shot仇恨言论检测,然后开发四个策略基于此分析。这些策略使用多个假设来预测输入文本的各个方面,并将这些预测组合成最终的判决。我们发现,用于初始错误分析的zero-shot基线已经优于HateCheck上的商业系统和微调的基于BERT的仇恨语音检测模型。所提出的策略的组合进一步将HateCheck上79.4%的zero-shot准确率提高了7.9个百分点(pp),将ETHOS上69.6%的准确率提高了10.0pp。
2022-10-03 cs.CL
Multilingual Auxiliary Tasks Training: Bridging the Gap between Languages for Zero-Shot Transfer of Hate Speech Detection Models
INRIA(法国国家信息与自动化研究所)
零次跨语言迁移学习已经被证明对于涉及大量语言特性的任务或当语言之间存在文化差异时(例如在仇恨言论检测中)具有高度挑战性。在本文中,我们强调了这种限制仇恨言论检测在几个领域和语言使用严格的实验设置。然后,我们建议对多语言辅助任务进行训练-情感分析,命名实体识别和依赖句法信息的任务-以提高仇恨语音检测模型跨语言的zero-shot传输。我们展示了仇恨言论检测模型如何受益于辅助任务微调带来的跨语言知识代理,并强调了这些任务对弥合语言之间仇恨言论语言和文化差距的积极影响。
2022-10-25 cs.CL
Proactively Reducing the Hate Intensity of Online Posts via Hate Speech Normalization
IIIT-Delhi(德里英迪拉·甘地信息技术学院);Northeastern University(东北大学)
遏制网络仇恨言论已成为当务之急;然而,出于地缘政治和文化原因,全面禁止此类活动是不可行的。为了降低问题的严重性,在本文中,我们介绍了一种新的任务,仇恨言论规范化,旨在削弱仇恨的强度所表现出的在线帖子。仇恨言论正常化的目的不是支持仇恨,而是为用户提供一个迈向非仇恨的垫脚石,同时给在线平台更多的时间来监测用户行为的任何改善。为此,我们手动策划了一个平行的语料库-仇恨文本及其规范化的对应文本(规范化的文本不那么仇恨,更良性)。我们介绍NACL,一个简单而有效的仇恨言论规范化模型,分三个阶段操作-首先,它测量原始样本的仇恨强度;第二,它确定其中的仇恨跨度;最后,它通过解释仇恨跨度来降低仇恨强度。我们进行了广泛的实验,通过三方面的评估(内在的,外在的,和人体研究)来衡量NACL的疗效。我们观察到NACL优于六个基线- NACL产生的强度预测的RMSE为0.1365,跨度识别的F1分数为0.622,以及标准化文本生成的BLEU和困惑度为82.27和80.05。我们进一步展示了NACL在其他平台(Reddit,Facebook,Gab)上的通用性。NACL的交互式原型放在一起的用户研究。此外,该工具正在Wipro AI的现实环境中部署,作为其解决在线平台上有害内容的使命的一部分。
2022-06-08 cs.CL
Bryndza at ClimateActivism 2024: Stance, Target and Hate Event Detection via Retrieval-Augmented GPT-4 and LLaMA
Cisco(思科公司);Slido;Comenius University in Bratislava(布拉迪斯拉发夸美纽斯大学);University of Groningen(格罗宁根大学)
本研究针对 CASE 2024 气候行动主义仇恨事件检测任务,利用检索增强的 GPT-4 和 LLaMA 进行推文分类,在目标检测任务中取得第二名,验证了 LLMs 超越传统方法的潜力。
2024-02-09 cs.AI cs.CL
Moderating New Waves of Online Hate with Chain-of-Thought Reasoning in Large Language Models
University of Texas at San Antonio(圣安东尼奥大学);University at Buffalo(布法罗大学);Clemson University(克莱姆森大学)
针对训练样本稀缺且需复杂推理的新一轮网络仇恨,提出 HATEGUARD,借助 LLM 的 CoT 提示与自动更新提示实现零样本检测,性能提升22.22%至83.33%。
2024-05-10 cs.CL cs.CY cs.LG
Detecting Hate Speech with GPT-3
University of Toronto(多伦多大学);Schwartz Reisman Institute(施瓦茨·赖斯曼研究所)
像OpenAI的GPT-3这样复杂的语言模型可以生成针对边缘化群体的仇恨文本。鉴于这种能力,我们感兴趣的是大语言模型是否可以用来识别仇恨言论,并将文本分类为性别歧视或种族主义。我们使用GPT-3来识别具有性别歧视和种族主义的文本段落,其中包括零,一次和少样本学习。我们发现,通过零次和一次性学习,GPT-3可以识别性别歧视或种族主义文本,平均准确率在55%到67%之间,具体取决于文本类别和学习类型。通过少样本学习,该模型的准确率可高达85%。大语言模型在仇恨言论检测中发挥作用,随着进一步的发展,它们最终可用于打击仇恨言论。
2022-03-24 cs.CL
ToKen: Task Decomposition and Knowledge Infusion for Few-Shot Hate Speech Detection
Meta AI
本研究将仇恨言论检测构建为少样本学习任务,提出ToKen方法,通过任务分解与知识注入显著提升性能,在16-shot下绝对增益达17.83%,并展现出良好的分布外泛化能力。
2023-05-20 cs.CL
Bridging the Gap: In-Context Learning for Modeling Human Disagreement
First Author Affiliation(第一作者机构);Second Author Affiliation(第二作者机构)
本文研究 LLM 能否通过 ICL 捕捉主观标注中的人类分歧,比较四种模型、三类标签策略及多种示例选择与排序方法,发现零样本多视角生成可行,而少样本常难以覆盖完整判断谱系。
2025-06-06 cs.CL
Cross-lingual Zero- and Few-shot Hate Speech Detection Utilising Frozen Transformer Language Models and AXEL
University of Augsburg(奥格斯堡大学);TU Munich(慕尼黑工业大学);Imperial College London(帝国理工学院)
检测仇恨言论,特别是在低资源语言中,是一个不小的挑战。为了解决这个问题,我们开发了一个定制的架构,该架构基于冻结的、预训练的Transformers,以在HatEval挑战数据集上检查跨语言zero-shot和少样本学习以及单语言学习。与我们的新的注意力为基础的分类块AXEL,我们表现出高度竞争力的英语和西班牙语子集的结果。我们还对英语子集进行了重新采样,以便在未来进行更多有意义的比较。
2020-04-13 cs.CL cs.LG stat.ML
Hope vs. Hate: Understanding User Interactions with LGBTQ+ News Content in Mainstream US News Media through the Lens of Hope Speech
Rochester Institute of Technology(罗切斯特理工学院);Drexel University(德雷塞尔大学)
本文基于百万级YouTube评论构建希望言论分类器,结合专家指导的3,750例标注数据集,分析用户对LGBTQ+新闻的互动,并揭示政治信念对标注与模型判断的影响。
2025-10-19 cs.CL cs.CY cs.LG
Can Prompting LLMs Unlock Hate Speech Detection across Languages? A Zero-shot and Few-shot Study
School of Computation, Information and Technology, TU Munich(技术计算与信息学院,慕尼黑工业大学);Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心)
本研究评估多语言LLM在零样本与少样本提示下跨八种非英语语言的仇恨言论检测,发现其虽在真实数据上逊于微调编码器,但泛化更优,且提示设计需针对语言定制。
2025-05-24 cs.CL cs.CY cs.MM
Sociocultural knowledge is needed for selection of shots in hate speech detection tasks
Center for Information and Language Processing, LMU Munich(慕尼黑大学信息与语言处理中心);Munich Center for Machine Learning(慕尼黑机器学习中心)
本文提出HATELEXICON仇恨言论词汇库,用于解释模型预测并辅助低资源环境下的少样本选择,实验证明基于该词汇库选择包含更多社会文化信息的样本能显著提升模型在MHC基准上的少样本性能。
2023-05-17 cs.AI cs.CL cs.LG
SMARTER: A Data-efficient Framework to Improve Toxicity Detection with Explanation via Self-augmenting Large Language Models
University of Maryland(马里兰大学)
SMARTER通过两阶段框架利用大语言模型自身输出生成解释,提升内容审核的可解释性,实验表明在三个基准任务中实现13%的宏F1提升,且数据使用量仅为全训练数据的分数。
2026-04-21 cs.AI cs.CL
Few-shot Hate Speech Detection Based on the MindSpore Framework
School of Computing and Information(计算与信息学院);Network Security Research Center(网络安全研究中心);Big Data and Policing Technology Laboratory(大数据与警务技术实验室);Guangxi Police College(广西警察学院);Institute of Software(软件研究所);Chinese Academy of Sciences(中国科学院);School of Information Technology(信息科技学院)
针对少样本仇恨言论检测,提出基于MindSpore的提示增强框架MS-FSLHate,结合可学习提示、CNN-BiLSTM和对抗增强,在HateXplain和HSOL上优于基线。
2025-04-22 cs.CL cs.CY
Towards Legally Enforceable Hate Speech Detection for Public Forums
Cornell Law School(康奈尔法学院)
本文提出以法律定义为核心的可执行仇恨言论检测任务,构建由法律专家标注的数据集并扩充专家样本与挑战集,通过零样本和少样本提示使大语言模型决策对齐法律定义,提升公共论坛仇恨言论执法的严谨性。
2023-11-01 cs.CL
LLM-based Semantic Augmentation for Harmful Content Detection
The University of Queensland(昆士兰大学)
本研究提出利用LLM进行文本清洗和语义增强,以提升有害内容检测性能,在多个数据集上达到与人工标注相当的效果且成本更低。
2025-04-22 cs.CL cs.CY
MUCnoHARM@GermEval Shared Task 2026: Retrieval-based In-Context Learning for Defamatory Offences, and Where It Falls Short
Central Office for Information Technology in the Security Sector (ZITiS)(安全领域信息技术中央办公室(ZITiS));LMU Munich(慕尼黑大学);Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心)
本研究评估多种基于检索的上下文学习策略检测德国刑法第185-187条诽谤罪,发现少样本优于零样本,但检索方法增益有限,模型选择影响最大,模型适合分诊而非自主审核。
2026-09-10 cs.CL
A Modular Taxonomy for Hate Speech Definitions and Its Impact on Zero-Shot LLM Classification Performance
Department of Linguistics, Cognitive Science and Semiotics - Aarhus University(语言学、认知科学与象征学系 - 奥胡斯大学);GESIS - Leibniz Institute for the Social Sciences(莱布尼茨社会科学研究所);Heinrich-Heine University Düsseldorf(杜伊斯堡-艾森大学)
本文提出一个由14个概念元素组成的仇恨言论定义模块化分类法,并系统评估不同定义对三个LLM在三个仇恨言论数据集上的零样本分类性能的影响,发现定义选择影响性能但效应因架构而异。
2025-06-23 cs.CL cs.CY
On Zero-Shot Counterspeech Generation by LLMs
Indian Institute of Technology, Kharagpur(印度理工学院克勒格布尔分校);Indian Institute of Technology, Bhubaneswar(印度理工学院布巴内斯瓦尔分校);Universität Hamburg(汉堡大学)
本研究首次全面分析了GPT-2、DialoGPT、ChatGPT和FlanT5四种LLM在零样本反言论生成中的表现,并提出三种提示策略以提升生成质量。
2024-03-22 cs.CL
ReZG: Retrieval-Augmented Zero-Shot Counter Narrative Generation for Hate Speech
Sichuan University(四川大学);Cyber Science Research Institute, Sichuan University(四川大学网络科学研究院)
ReZG通过多维层次检索与基于能量的约束解码,在不依赖目标内反叙事训练样本的情况下实现零样本反叙事生成,显著提升了针对未见仇恨言论目标的反驳成功率与相关性。
2024-12-28 cs.CL
Modeling Profanity and Hate Speech in Social Media with Semantic Subspaces
Saarland University(萨尔兰大学)
仇恨语音和亵渎检测遭受数据稀疏,特别是对于英语以外的语言,由于任务的主观性质和现有语料库的注释不兼容性。在这项研究中,我们确定亵渎的子空间在单词和句子的表征,并探讨其泛化能力的各种类似的和遥远的目标任务中的zero-shot设置。这是单语(德语)和跨语言密切相关(英语),远相关(法语)和非相关(阿拉伯语)的任务。我们观察到,在相似和遥远的目标任务以及所有语言中,基于子空间的表示在zero-shot设置中比标准BERT表示更有效地传递,在所有测试的单语和跨语言场景中,基线的F1 + 10.9和F1 + 42.9之间都有改进。
2021-06-18 cs.CL
A Federated Approach to Few-Shot Hate Speech Detection for Marginalized Communities
Center for Information and Language Processing, LMU Munich(慕尼黑大学信息与语言处理中心);Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心);Bielefeld University(比勒费尔德大学)
本文针对全球南方边缘化社区在低资源语言环境下的网络仇恨言论问题,发布多语言仇恨言论数据集REACT,并提出基于联邦学习的少样本检测方法,在保护隐私的同时验证了跨群体有效性和个性化模型的前景。
2025-04-11 cs.AI cs.CL
PEST: Parameter Efficient Steering of Blackbox VLMs via Agentic Few-shot Alignment for Hateful Meme Moderation
Indian Institute of Technology (IIT), Kharagpur(印度理工学院(IIT)Khargpur分校);Simbian
本文提出了一种少样本多模态代理框架,用于在有限数据条件下实现通用仇恨表情包审查,通过检测、解释和干预三方面提升审查效果。
2026-09-29 cs.CL cs.CV
From Native Memes to Global Moderation: Cross-Cultural Evaluation of Vision-Language Models for Hateful Meme Detection
Macquarie University(麦考瑞大学);Nile University(尼罗大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Johannes Kepler University(约翰尼斯·开普勒大学)
本文通过跨文化评估揭示视觉-语言模型在仇恨迷因检测中的文化偏见问题,并提出本土语言提示和一样本学习等改进策略以提升模型的公平性和鲁棒性。
2026-02-11 cs.CL
Are Stereotypes Leading LLMs' Zero-Shot Stance Detection ?
Laboratoire Hubert Curien, UMR CNRS 5516(Hubert Curien实验室,CNRS UMR 5516);Department of Computer Science, Université de Sherbrooke(计算机科学系,Sherbrooke大学)
本文研究大语言模型在零样本立场检测中的刻板印象偏差,通过标注方言和文本复杂度属性,发现模型存在显著偏见,如将支持大麻与低复杂度、非裔方言与反对特朗普错误关联。
2025-10-23 cs.AI cs.CL
"Is Hate Lost in Translation?": Evaluation of Multilingual LGBTQIA+ Hate Speech Detection
University of New South Wales(新南威尔士大学)
本文评估了大型语言模型在英语、意大利语、中文和英语-泰米尔语中检测LGBTQIA+仇恨言论的能力,发现微调能持续提升性能,而机器翻译效果不一,且自动翻译难以捕捉语言的社会文化细微差别。
2024-10-24 cs.CL
PromptGuard at BLP-2025 Task 1: A Few-Shot Classification Framework Using Majority Voting and Keyword Similarity for Bengali Hate Speech Detection
针对BLP-2025任务1A的孟加拉语仇恨言论六分类问题,提出少样本框架PromptGuard,结合卡方关键词提取与自适应多数投票,在微F1上优于基线,且卡方关键词对所有类别有稳定改进。
2025-11-18 cs.AI cs.CL
Bridging Gaps in Hate Speech Detection: Meta-Collections and Benchmarks for Low-Resource Iberian Languages
IRLab, CITIC Research Centre(IRLab、CITIC研究中心);Universidade da Coruña(圣地亚哥-德孔波斯特拉大学);Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学)
本研究针对低资源伊比利亚语言仇恨言论检测资源匮乏的问题,编译了统一标签的欧洲西班牙语数据集元集合,并翻译为欧洲葡萄牙语和两种加利西亚变体构建多语言语料库,进而建立新基准评估大型语言模型,强调了多语言与变体感知方法的重要性。
2025-10-13 cs.CL
STATE ToxiCN: A Benchmark for Span-level Target-Aware Toxicity Extraction in Chinese Hate Speech Detection
School of Computer Science and Technology, Dalian University of Technology(计算机科学与技术学院,大连理工大学)
针对中文仇恨言论检测研究滞后、缺乏跨度级细粒度标注及仇恨俚语研究的问题,本文构建了首个跨度级中文仇恨言论数据集STATE ToxiCN,评估了现有模型检测性能并首次研究中文仇恨俚语的LLM检测能力,为相关研究提供资源与参考。
2025-05-20 cs.CL
Fine-Grained Chinese Hate Speech Understanding: Span-Level Resources, Coded Term Lexicon, and Enhanced Detection Frameworks
School of Computer Science and Technology, Dalian University of Technology(计算机科学与技术学院,大连理工大学)
针对中文仇恨言论检测可解释性研究面临的片段级标注数据稀缺和暗语识别不足两大挑战,本文提出了首个片段级中文仇恨言论数据集STATE ToxiCN,全面研究了LLMs对中文暗语仇恨词汇的语义解释能力,并提出一种整合标注词典的方法显著提升了检测性能。
2025-07-15 cs.CL
SarcasTraps: Effect of Sarcasm on Turkish Hate Speech Detection
Sabanci University(萨班哲大学)
本文构建了针对土耳其语的讽刺仇恨言论测试集SarcasTraps,经实验发现微调模型与零样本大语言模型在检测含讽刺的仇恨言论时均存在性能缺陷。
2026-10-14 cs.AI cs.CL cs.LG
Expressive Prompting: Improving Emotion Intensity and Speaker Consistency in Zero-Shot TTS
Tianjin Key Laboratory of Cognitive Computing and Application, College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部认知计算与应用天津市重点实验室);Kuaishou Technology Co., Ltd(快手科技有限公司);Institute of Artificial Intelligence, China Telecom(中国电信人工智能研究院);Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);Huiyan Technology (Tianjin) Co., Ltd(慧眼科技(天津)有限公司)
本文提出一种两阶段提示选择策略,通过评估提示的音调特征、感知音频质量和文本情感一致性,提升零样本语音合成的情感表达和说话人一致性。
2026-04-03 cs.AI cs.CL cs.SD
Untangling Hate Speech Definitions: A Semantic Componential Analysis Across Cultures and Domains
DIT, University of Bologna(博洛尼亚大学DIT);DISI, University of Bologna(博洛尼亚大学DISI)
针对仇恨言论定义受文化影响、解读不一的问题,提出语义成分分析框架,构建含493条跨文化跨领域定义的首个数据集,实验发现开源LLM的仇恨言论检测结果对定义复杂度敏感。
2025-05-20 cs.CL
Exploring the Limits of Zero Shot Vision Language Models for Hate Meme Detection: The Vulnerabilities and their Interpretations
Indian Institute of Technology (IIT), Kharagpur(印度理工学院卡哈拉格普尔分校)
本研究探索零样本视觉语言模型在仇恨表情包检测中的效果,通过多提示工程测试先进VLM,用超像素遮挡法解释误分类并构建错误类型学,为优化安全防护提供依据。
2025-03-23 cs.CL cs.CV cs.LG
LAMPO: Large Language Models as Preference Machines for Few-shot Ordinal Classification
Google(谷歌公司)
LAMPO 将大语言模型用作偏好机器,通过测试实例与演示之间的相对比较及自监督聚合,解决少样本有序分类问题,在多个数据集上取得显著提升,并支持黑盒 LLMs。
2024-08-06 cs.AI cs.CL cs.LG
Hate Speech and Offensive Language Detection in Bengali
Indian Institute of Technology Kharagpur(印度理工学院克勒格布尔分校)
社交媒体经常成为各种仇恨和攻击性内容的滋生地。识别社交媒体上的此类内容至关重要,因为它会对一个无偏见的社会中的种族,性别或宗教产生影响。然而,虽然在英语中的仇恨言论检测方面有广泛的研究,但在孟加拉语等低资源语言中的仇恨内容检测方面存在差距。此外,社交媒体上目前的趋势是使用罗马化的孟加拉语进行定期互动。为了克服现有研究的局限性,在这项研究中,我们开发了一个10 K孟加拉语帖子的注释数据集,其中包括5 K实际和5 K罗马化孟加拉语推文。我们实现了几个基线模型,用于对此类仇恨帖子进行分类。我们进一步探索语际迁移机制,以提高分类性能。最后,我们通过查看模型错误分类的帖子来进行深入的错误分析。在分别训练实际数据集和罗马化数据集时,我们观察到XLM-Roberta表现最好。此外,我们看到,在联合训练和Few-Shot训练中,MuRIL通过更好地解释语义表达而优于其他模型。我们让我们的代码和数据集对其他人公开。
2022-10-07 cs.CL
Beyond Accuracy: A Qualitative Analysis of Vision-Language Models for Hate Speech Detection in Memes
Islamic University of Technology(伊斯兰科技大学)
本研究通过定性分析LLaVA-7B等四个VLMs在零样本、少样本设置下的表现,揭示其检测仇恨表情包时忽略关键语境线索的问题,为优化模型提供了更深入的理解。
2026-08-28 cs.AI cs.CL
Personalized Large Language Models
Wroclaw Tech(弗罗茨瓦夫理工大学)
本文研究个性化大型语言模型,通过比较微调和零样本推理,证明个性化微调能提升模型在主观任务上的推理与性能。
2024-11-07 cs.AI cs.CL
Assessing the impact of contextual information in hate speech detection
Universidad Torcuato Di Tella(托尔夸托·迪·特利亚大学);National Institute of Standards and Technology(美国国家标准与技术研究院);Colorado State University(科罗拉多州立大学)
近年来,仇恨言论在社交网络和其他虚拟媒体中变得越来越重要,因为其强度及其与针对受保护群体成员的暴力行为的关系。由于用户产生的大量内容,在自动工具的研究和开发方面已经做出了很大的努力,以帮助分析和缓和这种语音,至少在其最具威胁性的形式中。当前自动仇恨言论检测方法的局限性之一是缺乏上下文。大多数研究和资源都是在没有上下文的数据上执行的;也就是说,没有任何类型的会话上下文或正在讨论的主题的孤立消息。这限制了可用的信息来定义社交网络上的帖子是否是仇恨的。在这项工作中,我们提供了一个新的语料库,用于基于用户对Twitter上媒体发布的新闻帖子的响应进行上下文化的仇恨言论检测。该语料库以西班牙语的Rioplatense方言种类收集,重点关注与COVID-19大流行相关的仇恨言论。使用最先进的技术的分类实验表明,添加上下文信息,提高仇恨语音检测性能的两个建议的任务(二进制和多标签预测)的证据。我们提供我们的代码、模型和语料库供进一步研究。
2023-03-11 cs.CL
Predicting Hate Intensity of Twitter Conversation Threads
Hohai University(河海大学);IIIT Delhi(德里英迪拉·甘地信息技术学院);Singapore University of Technology and Design(新加坡科技设计大学);Indian Institute of Technology Delhi(印度理工学院德里分校)
本文提出DRAGNET++模型,利用推文线程的语义和传播结构预测未来回复链中的仇恨强度,在三个公开数据集上显著优于现有基线,相关系数提升11%,RMSE降低25%。
2023-05-14 cs.AI cs.CL cs.SI
AHA-Memes: A Fine-Grained Multimodal Benchmark for Understanding Hate in Arabic Memes
Qatar Computing Research Institute(卡塔尔计算研究所);Hamad Bin Khalifa University(哈马德·本·哈利法大学);Northwestern University in Qatar(卡塔尔西北大学)
该研究推出首个带细粒度多标签标注的阿拉伯语仇恨表情包基准AHA-Memes,构建含5000张人工标注及6.6万张银标的数据集,对多类模型基准测试并发布资源以推动相关研究。
2026-07-31 cs.AI cs.CL
From Triage to Impact: A Multi-Hop Reasoning Benchmark for Explainable Persian Hate Speech
EPFL(洛桑联邦理工学院);Shahid Beheshti University(沙希德·贝赫什提大学);University of Social Welfare and Rehabilitation Sciences(社会福利与康复大学);Khatam University(哈塔姆大学)
针对波斯语仇恨言论分析资源匮乏问题,构建涵盖多任务的多跳推理基准,评估LLMs性能并揭示关键关联,为波斯语社交媒体仇恨言论可解释分析与负责任审核提供支持。
2026-10-15 cs.CL
BanTH: A Multi-label Hate Speech Detection Dataset for Transliterated Bangla
Research and Development, Penta Global Limited(研发部,Penta全球有限公司);Islamic University of Technology(伊斯兰技术大学);CCDS Lab, Independent University(CCDS实验室,独立大学)
针对音译孟加拉语多标签仇恨言论分类的研究空白,本文提出了首个包含37.3k样本的数据集BanTH,并通过进一步预训练transformer编码器与基于翻译的LLM提示策略,实现了最先进的性能。
2025-05-31 cs.CL
Exploring Boundaries and Intensities in Offensive and Hate Speech: Unveiling the Complex Spectrum of Social Media Discourse
Universität Hamburg(汉堡大学);Bahir Dar University(巴赫达尔大学)
本研究构建阿姆哈拉语仇恨言论基准数据集,通过分类与回归模型揭示攻击性与仇恨强度的连续光谱,Afro-XLMR-large模型表现最佳。
2024-04-18 cs.CL
ArgBench: Benchmarking LLMs on Computational Argumentation Tasks
Leibniz University Hannover(汉诺威莱布尼茨大学);Adobe Research(Adobe研究)
本文提出ArgBench,首个用于评估LLM在计算论证任务中性能的基准,涵盖33个数据集,评估五种LLM家族在46种任务中的泛化能力,分析少样本示例、推理步骤、模型大小和训练技能对性能的影响。
2026-04-19 cs.AI cs.CL
Leveraging LLMs for Context-Aware Implicit Textual and Multimodal Hate Speech Detection
Computational Linguistics \& Text Mining Lab Vrije Universiteit Amsterdam
本研究利用大语言模型生成社交媒体帖子的背景上下文,通过四种融入策略提升SBERT仇恨检测性能,在文本和多模态数据集上分别提升最多3和6个F1点。
2026-09-11 cs.CL
To Jev or Not? Evaluating the Accuracy and Efficiency of Structured Decision Models for Hate-Speech Moderation
University of Cyprus(塞浦路斯大学)
本研究评估结构化决策模型在仇恨言论审核中的准确性与效率,发现商业LLM仅在特定数据集上占优,而提供定义或分解问题对分类改善有限,但低成本决策模型接近商业性能。
2026-10-05 cs.CL
Improving Implicit Hate Speech Detection via a Community-Driven Multi-Agent Framework
Warsaw University of Technology(华沙技术大学)
本文提出一种社区驱动的多智能体框架,通过整合社会文化背景提升隐式仇恨言论检测的准确性和公平性。
2026-01-27 cs.AI cs.CL
Digital Guardians: Can GPT-4, Perspective API, and Moderation API reliably detect hate speech in reader comments of German online newspapers?
Hochschule München University of Applied Sciences(慕尼黑应用技术大学)
本文在德语仇恨言论数据集 HOCON34k 上比较 GPT-4o、Perspective API 和 Moderation API 的检测性能,发现 GPT-4o 在 MCC 与 F2-score 组合指标上优于其他方案并超过基线约 5 个百分点。
2025-01-02 cs.CL cs.LG
U-GIFT: Uncertainty-Guided Firewall for Toxic Speech in Few-Shot Scenario
Beijing University of Posts and Telecommunications(北京邮电大学);Shanghai Jiao Tong University(上海交通大学)
针对少样本场景下有毒言论检测中标注数据稀缺的问题,本文提出 U-GIFT 框架,结合主动学习与贝叶斯神经网络进行不确定性引导的自训练,在 5-shot 设置下较基础模型提升 14.92%,为自动化内容审核提供高效防火墙方案。
2025-01-01 cs.CL cs.SD eess.AS
Deep Learning Models for Multilingual Hate Speech Detection
Indian Institute of Technology Kharagpur(印度理工学院卡哈拉格普尔分校)
仇恨语音检测是一个具有挑战性的问题,大多数数据集只有一种语言:英语。在本文中,我们对来自16个不同来源的9种语言的多语言仇恨言论进行了大规模分析。我们观察到,在低资源设置中,简单的模型,如激光嵌入逻辑回归表现最好,而在高资源设置BERT为基础的模型表现更好。在zero-shot分类的情况下,诸如意大利语和葡萄牙语的语言实现了良好的结果。我们提出的框架可以作为低资源语言的有效解决方案。这些模型也可以作为未来多语言仇恨言论检测任务的良好基线。我们已经在https://github.com/punyajoy/DE-LIMIT上向其他研究人员公开了我们的代码和实验设置。
2020-12-09 cs.CL cs.SI
Hate Speech Detection in Turkish and Arabic: A Comprehensive Study
Sabanci University(萨班哲大学);Bogazici University(博阿齐奇大学);Hrant Dink Foundation(赫兰特·丁克基金会)
本研究构建了涵盖土耳其语五个主题和阿拉伯语一个主题的仇恨言论数据集,并开发了基于BERT的模型,用于分类、强度预测、目标识别和跨度检测。
2026-07-07 cs.AI cs.CL