論文の概要: Training-Time Explainability for Multilingual Hate Speech Detection: Aligning Model Reasoning with Human Rationales
- arxiv url: http://arxiv.org/abs/2608.26125v1
- Date: Mon, 22 Jun 2026 05:09:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.353077
- Title: Training-Time Explainability for Multilingual Hate Speech Detection: Aligning Model Reasoning with Human Rationales
- Title（参考訳）: 多言語ヘイト音声検出のための訓練時間説明可能性:人間合理的なモデル推論の調整
- Abstract要約: ムスリムコミュニティに対するオンラインの憎しみはしばしば、従来のAIモデレーションを回避する文化的にコード化された多言語形式に現れている。
モデル推論と人間の注釈付き有理数とを整合させるエンハンチング時間説明可能性フレームワークを提案する。
我々のアプローチはHateXplain(英語)とBullySent(英語)で評価されている。
- 参考スコア（独自算出の注目度）: 0.2741565141530559
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online hate against Muslim communities often appears in culturally coded, multilingual forms that evade conventional AI moderation. Such systems, though accurate, remain opaque and risk bias, over-censorship, or under-moderation, particularly when detached from sociocultural context. We propose a \emph{training-time} explainability framework that aligns model reasoning with human-annotated rationales, improving both classification performance and interpretability. Our approach is evaluated on HateXplain (English) and BullySent (Hinglish), reflecting the prevalence of anti-Muslim hate across both languages. Using LIME, Integrated Gradients, Grad X Input, and attention, we assess accuracy, explanation quality, and cross-method agreement. Results show that gradient- and attention-based regularization improve F-scores, enhance plausibility and faithfulness, and capture culturally specific cues for detecting implicit anti-Muslim hate, offering a path toward multilingual, culturally aware content moderation.
- Abstract（参考訳）: ムスリムコミュニティに対するオンラインの憎しみはしばしば、従来のAIモデレーションを回避する文化的にコード化された多言語形式に現れている。
このようなシステムは正確ではあるが、特に社会文化的文脈から切り離された場合、不透明でリスクバイアス、過度な検閲、過度な調整が残る。
本稿では,モデル推論と人間の注釈付き有理数とを一致させ,分類性能と解釈可能性の両方を改善した「emph{training-time}」説明可能性フレームワークを提案する。
我々のアプローチはHateXplain (英語) と BullySent (英語) に基づいて評価され、両言語間の反イスラム教徒憎悪の流行を反映している。
LIME,Integrated Gradients, Grad X Input, attention を用いて精度, 説明品質, クロスメタル合意を評価する。
その結果、グラデーションと注意に基づく正規化は、Fスコアを改善し、妥当性と忠実性を向上し、暗黙の反イスラム憎悪を検出する文化的特定の手がかりを捉え、多言語的、文化的に意識されたコンテンツモデレーションへの道を提供することを示した。
関連論文リスト
- Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。
我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。
Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
論文 参考訳（メタデータ） (2026-07-21T16:15:05Z) - LANG: Reinforcement Learning for Multilingual Reasoning with Language-Adaptive Hint Guidance [77.58408743830314]
強化学習は大規模言語モデルにおける多段階推論の強化に有効であることが証明されている。
しかし、その利点は多言語文脈に完全には翻訳されていない。
我々は、言語条件付きヒントを利用して、英語以外の推論タスクの探索をガイドする新しいフレームワークを開発する。
論文 参考訳（メタデータ） (2026-05-21T14:47:52Z) - Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation [58.01855677487771]
本研究では,多言語大言語モデル (MLLM) が,プロンプトの言語変化に伴う不整合性を示すことを示す。
コンセンサス駆動型アライメントフレームワークであるC-3POを提案する。
C-3POは、非整合モデルよりも0.10ポイントの$_S$を絶対的に増加させ、強力なプロンプトと表現のステアリングベースラインを上回る。
論文 参考訳（メタデータ） (2026-04-02T14:04:06Z) - Culturally Adaptive Explainable LLM Assessment for Multilingual Information Disorder: A Human-in-the-Loop Approach [0.0]
ハイブリッドインテリジェンスループ(Hybrid Intelligence Loop)は、母国語アノテータによる人文論理のモデル評価を基礎とする。
この手法は、英語のタスク命令と動的に検索されたターゲット言語例とをペアリングすることで、静的なターゲット言語による数発ショットを超越する。
本研究は, 評価対象グループ間のモデルアライメント, 重要度予測, 生成した合理性の品質, 文化的適切性, およびモデルアライメントを評価する。
論文 参考訳（メタデータ） (2026-03-28T18:06:14Z) - Unmasking the Factual-Conceptual Gap in Persian Language Models [0.8180770164225369]
迷信と慣習に焦点をあてたベンチマークであるDivanBenchを導入し、単純な論理的推論に抵抗する任意の文脈依存ルールを紹介した。
我々はペルシャのLLMを7つ評価し、3つの重大な障害を明らかにした。
論文 参考訳（メタデータ） (2026-02-19T18:42:46Z) - From Native Memes to Global Moderation: Cross-Cultural Evaluation of Vision-Language Models for Hateful Meme Detection [13.900106805972]
本稿では,最先端ビジョン言語モデル(VLM)の文化的相互堅牢性を定量的に評価する手法を提案する。
i)学習戦略(ゼロショット対ワンショット)、(ii)言語(ネイティブ対イングリッシュ)、(iii)意味と検出に対する翻訳効果の3つを分析した。
その結果,共通の翻訳・翻訳・検出アプローチは性能を低下させる一方,文化的に整合した介入(母語プロンプトとワンショット学習)は検出を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2026-02-07T11:14:57Z) - When Meanings Meet: Investigating the Emergence and Quality of Shared Concept Spaces during Multilingual Language Model Training [57.230355403478995]
本研究では,EuroLLMの事前学習における言語に依存しない概念空間の開発について検討する。
共有概念空間は早期に出現し、洗練され続けていますが、それらとの整合性は言語に依存しています。
従来の作業とは対照的に、細かな手作業分析により、翻訳品質の顕著な向上は、行動の変化を反映していることが判明した。
論文 参考訳（メタデータ） (2026-01-30T11:23:01Z) - Boosting Accuracy and Interpretability in Multilingual Hate Speech Detection Through Layer Freezing and Explainable AI [0.0]
本研究では,感情分析とヘイトスピーチ検出のための3つのトランスフォーマーモデルの性能について検討した。
評価は英語、韓国語、日本語、中国語、フランス語の5言語で行われている。
モデル決定に対する個々の単語の寄与を強調するために、局所解釈型モデル非依存説明(LIME)フレームワークを統合する。
論文 参考訳（メタデータ） (2026-01-06T04:07:51Z) - A Comprehensive Evaluation of Multilingual Chain-of-Thought Reasoning: Performance, Consistency, and Faithfulness Across Languages [48.68444770923683]
マルチリンガル・チェーン・オブ・ソート(CoT)推論の最初の包括的研究について述べる。
LRMがターゲット言語ですぐに考えることができる場合、言語コンプライアンス、解答精度、解答一貫性を計測する。
思考の痕跡の質と有効性は、素早い言語によって大きく異なることがわかった。
論文 参考訳（メタデータ） (2025-10-10T17:06:50Z) - MMA-ASIA: A Multilingual and Multimodal Alignment Framework for Culturally-Grounded Evaluation [91.22008265721952]
MMA-ASIAは、アジア8か国と10か国を対象とする人為的、多言語的、マルチモーダルなベンチマークに重点を置いている。
これは、テキスト、画像(視覚的質問応答)、音声の3つのモードにまたがる入力レベルで整列された最初のデータセットである。
i) 国間の文化的認識格差、(ii) 言語間の整合性、(iii) 言語間の整合性、(iv) 文化知識の一般化、(v) 基礎的妥当性を評価する5次元評価プロトコルを提案する。
論文 参考訳（メタデータ） (2025-10-07T14:12:12Z)
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。