論文の概要: Sledgehammer or Scalpel? A Fine-grained Adaptive Framework for Implicit Hate Speech

• arxiv url: http://arxiv.org/abs/2608.27462v1
• Date: Fri, 10 Jul 2026 02:41:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.389452
• Title: Sledgehammer or Scalpel? A Fine-grained Adaptive Framework for Implicit Hate Speech
• Title（参考訳）: Sledgehammer か Scalpel か : 難聴音声のための微粒化適応フレームワーク
• Abstract要約: 暗黙の憎しみの言葉は、比喩や文脈的ヒントを通じて、一見従順な表現の中に悪意を隠す。 そこで本研究では,まず細粒度分類を行い,次に特定のカテゴリに適応する新しいフレームワークである,適応インプリシティブ・ヘイト音声検出(FAID)を提案する。 4つのベンチマークデータセットの実験では、FAIDがSOTAベースラインを大幅に上回っている。
• 参考スコア（独自算出の注目度）: 17.16825061677517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unlike explicit attacks with obvious profanity, implicit hate speech hides malice within seemingly compliant expressions through metaphors and contextual hints, making its detection in online content review challenging. While existing PLM- or LLM-based methods perform well, they typically apply a single reasoning process to all samples. This overlooks fine-grained linguistic nuances and causes unnecessary computation for simpler cases. We observe that online hate speech is not monolithic but manifests in varied forms. We therefore define three fine-grained categories: Shallow, Targeted, and Context-Dependent. Accordingly, we propose Fine-grained Adaptive Implicit Hate speech Detection (FAID), a novel framework that first performs fine-grained classification and then adapts to specific categories. Specifically, for Shallow samples with surface-identifiable intents, the framework adopts lightweight prompt-tuning for rapid classification; for Targeted comments that bind malicious intent to concealed targets, we design knowledge augmentation to iteratively refine the model and reveal hidden targets; for Context-Dependent comments lacking background information, we utilize an agentic framework that automatically generates prompts to evolve context, infer missing background information and identify ambiguous malicious intents. This adaptive architecture focuses computational resources on complex implicit samples while avoiding redundant reasoning for shallow samples. Experiments on four benchmark datasets demonstrate that FAID significantly outperforms SOTA baselines.
• Abstract（参考訳）: 明らかな挑発的な攻撃とは異なり、暗黙のヘイトスピーチは、比喩や文脈的なヒントを通じて、一見従順な表現の中に悪意を隠蔽し、オンラインコンテンツレビューにおけるその検出を困難にしている。 既存の PLM あるいは LLM ベースの手法はよく機能するが、通常はすべてのサンプルに対して単一の推論プロセスを適用する。 これは粒度の細かい言語的ニュアンスを見落とし、単純なケースでは不要な計算を引き起こす。 オンラインヘイトスピーチはモノリシックではなく、様々な形で現れる。 したがって、我々は、Shallow、Targeted、Context-Dependentの3つのきめ細かいカテゴリを定義します。 そこで本研究では,まず細粒度分類を行い,次に特定のカテゴリに適応する新しいフレームワークである,適応インプリシティブ・ヘイト音声検出(FAID)を提案する。 具体的には、表面認識可能なインテントを持つShallowサンプルに対しては、迅速な分類のために軽量なプロンプトチューニングを採用し、隠れたターゲットに悪意のあるインテントを結び付けるターゲットコメントに対しては、モデルを反復的に洗練し、隠れたターゲットを明らかにするための知識拡張を設計する。 この適応アーキテクチャは、浅いサンプルに対する冗長な推論を避けながら、複雑な暗黙のサンプルに計算資源を集中させる。 4つのベンチマークデータセットの実験では、FAIDがSOTAベースラインを大幅に上回っている。

関連論文リスト

• More Than Sum of Its Parts: Deciphering Intent Shifts in Multimodal Hate Speech Detection [49.07221734365168]
  ソーシャルメディア上でのヘイトスピーチは、サイバースペースの確保には不可欠だが、自動検出システムに大きく依存している。 我々は、モダリティが相互作用する意味的意図変化を特徴付け、良心的憎悪から暗黙的憎悪を構築するか、意味的逆転を通じて毒性を中和する。 本稿では,これらの複雑な手がかりを効果的に解読するために,裁判所エージェントによる非対称推論(Asymmetric Reasoning)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-22T15:46:23Z)
• SoftHateBench: Evaluating Moderation Models Against Reasoning-Driven, Policy-Compliant Hostility [6.293833791034378]
  textbftextscSoftHateBenchは,敵対的立場を維持しながらソフトヘイトな変種を生成する生成ベンチマークである。 このベンチマークは、textbf7社会文化的ドメインとtextbf28ターゲットグループにまたがっており、textbf4,745のソフトヘイトインスタンスを含んでいる。 エンコーダベースの検出器、汎用LLM、安全モデルによる評価は、ハード層からソフト層への一貫した低下を示している。
  論文  参考訳（メタデータ） (2026-01-28T05:04:18Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• Attacking Misinformation Detection Using Adversarial Examples Generated by Language Models [1.8759938228229573]
  テキスト分類アルゴリズムのロバスト性をテストするために,逆例を生成するという課題について検討する。 我々は、攻撃者が試すことができるクエリ数に現実的な制限を設定することで、コンテンツモデレーションのシミュレーションに焦点を当てる。
  論文  参考訳（メタデータ） (2024-10-28T11:46:30Z)
• Target Span Detection for Implicit Harmful Content [18.84674403712032]
  我々は、より微妙なヘイトスピーチを認識し、デジタルプラットフォーム上で有害なコンテンツを検出するために不可欠な、ヘイトスピーチの暗黙のターゲットを特定することに注力する。 我々は、SBIC、DynaHate、IHCの3つの顕著な暗黙のヘイトスピーチデータセットでターゲットを収集し、注釈付けする。 実験の結果,Implicit-Target-Spanはターゲットスパン検出法に挑戦的なテストベッドを提供することがわかった。
  論文  参考訳（メタデータ） (2024-03-28T21:15:15Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)

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。