論文の概要: Community Norms in the Spotlight: Enabling Task-Agnostic Unsupervised Pre-Training to Benefit Online Social Media

• arxiv url: http://arxiv.org/abs/2602.02525v1
• Date: Mon, 26 Jan 2026 05:52:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.901888
• Title: Community Norms in the Spotlight: Enabling Task-Agnostic Unsupervised Pre-Training to Benefit Online Social Media
• Title（参考訳）: スポットライトのコミュニティノルム:オンラインソーシャルメディアに適合するタスク非依存の教師なし事前学習の実現
• Authors: Liam Hebert, Lucas Kopp, Robin Cohen,
• Abstract要約: タスク固有の微調整から教師なし事前学習へのパラダイムシフトを提唱する。 私たちは、この方向がAI for Social Goodに多くの機会をもたらすと信じています。
• 参考スコア（独自算出の注目度）: 1.518418913270911
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modelling the complex dynamics of online social platforms is critical for addressing challenges such as hate speech and misinformation. While Discussion Transformers, which model conversations as graph structures, have emerged as a promising architecture, their potential is severely constrained by reliance on high-quality, human-labelled datasets. In this paper, we advocate a paradigm shift from task-specific fine-tuning to unsupervised pretraining, grounded in an entirely novel consideration of community norms. We posit that this framework not only mitigates data scarcity but also enables interpretation of the social norms underlying the decisions made by such an AI system. Ultimately, we believe that this direction offers many opportunities for AI for Social Good.
• Abstract（参考訳）: オンラインソーシャルプラットフォームの複雑なダイナミクスをモデル化することは、ヘイトスピーチや誤情報といった課題に対処するために重要である。 会話をグラフ構造としてモデル化するディスカッショントランスフォーマーは、有望なアーキテクチャとして現れてきたが、そのポテンシャルは、高品質でヒューマンラベリングなデータセットに依存して厳しく制約されている。 本稿では,タスク固有の微調整から教師なし事前学習へのパラダイムシフトを,コミュニティ規範の全く新しい考察に基づいて提唱する。 我々は、このフレームワークがデータの不足を軽減するだけでなく、そのようなAIシステムによる決定の根底にある社会的規範の解釈を可能にすると仮定する。 最終的に、この方向は、AI for Social Goodに多くの機会をもたらすと信じています。

関連論文リスト

• DREAMS: A Social Exchange Theory-Informed Modeling of Misinformation Engagement on Social Media [3.5005774502836995]
  textscDreamsは、誤情報のエンゲージメントをソーシャル交換の動的なプロセスとしてモデル化する、ソーシャル交換理論に基づくフレームワークである。 textscDreamsは、誤った情報のエンゲージメントを予測する際に最先端のパフォーマンスを達成し、平均的な絶対的なパーセンテージエラーは19.25$%に達する。
  論文  参考訳（メタデータ） (2026-02-02T03:02:21Z)
• SocialMaze: A Benchmark for Evaluating Social Reasoning in Large Language Models [41.68365456601248]
  社会的推論を評価するために特別に設計された新しいベンチマークであるSocialMazeを紹介する。 SocialMazeは、深い推論、動的なインタラクション、情報の不確実性という3つの主要な課題を体系的に取り入れている。 ソーシャル推論ゲーム、日々のインタラクション、デジタルコミュニティプラットフォームという3つの主要な設定にまたがる6つの多様なタスクを提供する。
  論文  参考訳（メタデータ） (2025-05-29T17:47:36Z)
• EgoNormia: Benchmarking Physical Social Norm Understanding [52.87904722234434]
  EGONORMIAは、安全性、プライバシ、プロキシ、丁寧さ、協力性、コーディネーション/プロアクティビティ、コミュニケーション/レポータビリティの7つの標準カテゴリにまたがる。 我々の研究は、現在の最先端のビジョン言語モデル(VLM)は、堅固な標準理解が欠如していることを示し、EGONORMIAでは最大54%、EGONORMIAでは65%と評価された。
  論文  参考訳（メタデータ） (2025-02-27T19:54:16Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Human-AI Coevolution [48.74579595505374]
  Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。 本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
  論文  参考訳（メタデータ） (2023-06-23T18:10:54Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Qualitative Analysis of a Graph Transformer Approach to Addressing Hate Speech: Adapting to Dynamically Changing Content [8.393770595114763]
  我々は、ソーシャルネットワークにおけるヘイトスピーチ検出のために、このソリューションの詳細な質的分析を提供する。 重要な洞察は、コンテキストの概念に関する推論に焦点が当てられていることは、オンライン投稿のマルチモーダル分析をサポートするのに十分な位置にあるということだ。 この問題が特に動的変化のテーマとどのように関係しているかを考察して結論付けます。
  論文  参考訳（メタデータ） (2023-01-25T23:32:32Z)
• Social Processes: Self-Supervised Forecasting of Nonverbal Cues in Social Conversations [22.302509912465077]
  我々は、社会的人間関係の分野におけるボトムアップな自己監督的アプローチの方向への第一歩を踏み出す。 ソーシャルキュー予測のタスクを定式化し、ラベルなしの低レベル行動キューを多量に活用する。 本稿では,ニューラル・プロセス(NP)ファミリー内における社会的に認識されるシーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。
  論文  参考訳（メタデータ） (2021-07-28T18:01:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。