隐性仇恨检测新框架FAID：按难度分级处理，性能碾压SOTA！
Sledgehammer or Scalpel? A Fine-grained Adaptive Framework for Implicit Hate Speech
📖 AI 总结
该研究针对隐晦仇恨言论检测提出了一种细粒度自适应框架（FAID）。与现有方法对所有样本采用统一推理流程不同，该框架将隐晦仇恨言论划分为浅层、定向和上下文依赖三类：浅层样本采用轻量提示调优快速分类，定向样本通过知识增强迭代揭示隐藏目标，上下文依赖样本则利用智能体框架自动生成提示以补全背景信息。在四个基准数据集上的实验表明，FAID显著优于现有最优方法。该研究的核心价值在于揭示了隐晦仇恨言论的异质性，并通过自适应架构将计算资源集中于复杂样本，在提升检测精度的同时避免了简单样本上的冗余计算，为在线内容审核提供了更高效的解决方案。
🔑 关键词速览
| Implicit Hate Speech | 隐性仇恨言论，指通过隐喻或上下文暗示隐藏恶意，而非直接使用辱骂性语言的言论。 |
| PLM | 预训练语言模型，如BERT，通过大规模语料预训练后用于下游任务。 |
| LLM | 大型语言模型，如GPT，具有强大的生成和推理能力。 |
| FAID | 细粒度自适应隐性仇恨言论检测框架，根据样本类别动态调整处理策略。 |
| Prompt-tuning | 提示调优，一种轻量级微调方法，通过设计提示模板适应下游任务。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅