論文の概要: MUCnoHARM@GermEval Shared Task 2026: Retrieval-based In-Context Learning for Defamatory Offences, and Where It Falls Short

• arxiv url: http://arxiv.org/abs/2609.09791v1
• Date: Wed, 09 Sep 2026 06:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.921626
• Title: MUCnoHARM@GermEval Shared Task 2026: Retrieval-based In-Context Learning for Defamatory Offences, and Where It Falls Short
• Title（参考訳）: MUCnoHARM@GermEval Shared Task 2026: Retrieval-based In-Context Learning for Defamatory Offences, and where it Falls Short
• Abstract要約: 本研究は185-187 StGB以下の破滅的犯罪を検出するための,検索に基づくテキスト内学習手法について検討する。 ほとんどショットプロンプトがゼロショットを上回ることはないが、検索ベースのアプローチはランダムなデモよりも限界的な利得しか提供しない。 モデルは犯罪関連性を過度に予測する一方で、26～57%の刑事関連ポストが失われており、自律的なモデレーションよりもトリアージに適している。
• 参考スコア（独自算出の注目度）: 2.084821939552182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With hate speech being ubiquitous online, automatic detection is crucial, in particular when it comes to criminally relevant social media posts. We study a variety of retrieval-based in-context learning (RetICL) strategies for detecting defamatory offences under §§ 185-187 StGB (the subject of GermEval 2026 Subtask 4). Few-shot prompting beats zero-shot, but retrieval-based approaches offer only marginal gains over random demonstrations, and even fall behind an optimised static set of demonstrations. Providing concrete legal knowledge helps, yet model choice outweighs every other system choice. Models over-predict criminal relevance while still missing 26-57% of criminally relevant posts, suiting them for triage rather than autonomous moderation.
• Abstract（参考訳）: ヘイトスピーチがネット上に広まる中、特に犯罪に関係のあるソーシャルメディア投稿に関しては、自動検出が不可欠だ。 我々は,185-187 StGB (GermEval 2026 Subtask 4 の主題) を対象とし, 様々な検索型インコンテクスト学習(RetICL)戦略について検討した。 ほとんどショットのプロンプトはゼロショットに勝るが、検索ベースのアプローチはランダムなデモよりも限界的な利得しか得られず、最適化された静的なデモのセットにさえ遅れる。 具体的な法的知識を提供することは役に立つが、モデル選択は他のシステム選択よりも優れている。 モデルは犯罪関連性を過度に予測する一方で、26～57%の刑事関連ポストが失われており、自律的なモデレーションよりもトリアージに適している。

関連論文リスト

• Boundary-targeted Membership Inference Attacks on Safety Classifiers [70.20833439671131]
  安全分類器は、セルフハームとメンタルヘルスの議論を含むセンシティブなデータセットに基づいて訓練される。 低信頼例を識別する新たな境界目標選択戦略を導入する。 実験により、相手は会話の19%を安全分類器が5%の偽陽性率でユーザーの苦痛を示すようにフラグ付けして回復できることが示された。 これは最先端のMIAメソッドだけで攻撃するより3.5ドル高い。
  論文  参考訳（メタデータ） (2026-05-21T12:05:22Z)
• Seeing the Unseen: Rethinking Illicit Promotion Detection with In-Context Learning [0.8729998428218245]
  不正なオンラインプロモーションは、検出を避けるために進化する永続的な脅威である。 本稿では,不正なプロモーション検出のための統合フレームワークとして,インコンテキスト学習(ICL)を体系的に研究する。 適切に構成されたICLは22倍のラベル付きサンプルを使用して微調整されたモデルに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2026-03-30T05:08:59Z)
• Bias Injection Attacks on RAG Databases and Sanitization Defenses [9.638140849760108]
  本稿では,検索強化世代(RAG)システムにおけるベクトルデータベースに対する攻撃と防御について検討する。 バイアス注入攻撃は、事実的に正しいが、意味的に偏ったパスを知識ベースに挿入する。
  論文  参考訳（メタデータ） (2025-11-30T09:27:18Z)
• Cascading Adversarial Bias from Injection to Distillation in Language Models [48.69588532511484]
  本稿では, 蒸留モデルによる学習中のバイアス成分の逆注入に対する脆弱性について検討する。 我々は,教師モデルに対して,データ中毒を最小限に抑えて微妙な偏見を注入できることを実証した。 本稿では,効果的な対向バイアス緩和戦略を構築するための実用的な設計原則を提案する。
  論文  参考訳（メタデータ） (2025-05-30T17:41:58Z)
• Dealing with Annotator Disagreement in Hate Speech Classification [0.0]
  本稿では,アノテータの不一致に対処するための戦略について検討する。 トルコのツイートにおけるヘイトスピーチ分類の文脈において、複数のアノテーションを集約するための様々な自動アプローチを評価する。 本研究は,問題の重要性を強調し,オンライン談話におけるヘイトスピーチの検出と理解に最先端のベンチマーク結果を提供する。
  論文  参考訳（メタデータ） (2025-02-12T10:19:50Z)
• Illusions of Relevance: Using Content Injection Attacks to Deceive Retrievers, Rerankers, and LLM Judges [52.96987928118327]
  検索,リランカー,大型言語モデル(LLM)の埋め込みモデルは,コンテンツインジェクション攻撃に対して脆弱であることがわかった。 主な脅威は,(1) 意味不明な内容や有害な内容の挿入,(2) 関連性を高めるために,問合せ全体あるいはキークエリ用語の挿入,の2つである。 本研究は, 注射内容の配置や関連物質と非関連物質とのバランスなど, 攻撃の成功に影響を与える要因を系統的に検討した。
  論文  参考訳（メタデータ） (2025-01-30T18:02:15Z)
• Speechworthy Instruction-tuned Language Models [71.8586707840169]
  提案手法は,学習の促進と嗜好の両面において,一般的な命令調整型LLMの音声適合性の向上を図っている。 我々は,各手法が生成した応答の音声適合性向上にどのように貢献するかを示すために,語彙的,構文的,定性的な分析を共有する。
  論文  参考訳（メタデータ） (2024-09-23T02:34:42Z)
• Towards Probing Speech-Specific Risks in Large Multimodal Models: A Taxonomy, Benchmark, and Insights [50.89022445197919]
  本研究は,8つのリスクカテゴリーを敵意(悪意的皮肉と脅し),悪意的模倣(年齢,性別,民族),ステレオタイプ的バイアス(年齢,性別,民族)を対象とする音声特異的リスク分類法を提案する。 分類に基づいて,これらのリスクのカテゴリを検出するために,現在のLMM能力を評価するための小規模データセットを作成する。
  論文  参考訳（メタデータ） (2024-06-25T10:08:45Z)
• Characterizing the adversarial vulnerability of speech self-supervised learning [95.03389072594243]
  我々は,ゼロ知識とリミテッド知識の両方の敵からの攻撃の下で,そのようなパラダイムの敵対的脆弱性を調査するための最初の試みを行う。 実験結果から, SUPERB が提案するパラダイムは, 限られた知識を持つ敵に対して脆弱であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-08T08:44:04Z)

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。