論文の概要: From Triage to Impact: A Multi-Hop Reasoning Benchmark for Explainable Persian Hate Speech

• arxiv url: http://arxiv.org/abs/2610.20370v1
• Date: Wed, 14 Oct 2026 15:42:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.240337
• Title: From Triage to Impact: A Multi-Hop Reasoning Benchmark for Explainable Persian Hate Speech
• Title（参考訳）: トリアージからインパクト: 説明可能なペルシャのヘイトスピーチのためのマルチホップ推論ベンチマーク
• Abstract要約: 本研究では,ペルシャヘイト音声分析のための詳細なマルチホップベンチマークを提案する。 タスクがよりきめ細かなセマンティックスと推論の推論を必要とするため、パフォーマンスは一般的に低下する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hate speech has become increasingly prevalent on social media, raising concerns about its detection, interpretation, and moderation. Persian, a relatively low-resource language, lacks sufficient annotated data and computational resources for fine-grained hate speech analysis. In this study, we introduce a fine-grained, multi-hop benchmark for explainable Persian hate speech analysis, covering content triage, target identification, hate tactic and moral foundation analysis, textual evidence extraction, harmful narrative inference, and severity assessment. By evaluating state-of-the-art large language models (LLMs), we find that performance generally declines as tasks require more fine-grained semantic and inferential reasoning. Proprietary models generally outperform open-weight models, while reasoning-oriented models show no consistent advantage. Incorporating intermediate reasoning steps substantially improves severity prediction compared with one-shot assessment. Our analysis further reveals that Incitement to Violence or Harm is most strongly associated with higher severity, while political-affiliation targets are particularly associated with subversion-based moral framing. Overall, this work provides insights into LLM-based hate speech analysis and supports more accountable moderation of Persian-language social media. The benchmark is publicly available at https://github.com/kalhorghazal/From-Triage-to-Impact.
• Abstract（参考訳）: ソーシャルメディアではヘイトスピーチがますます広まり、その検出、解釈、モデレーションに対する懸念が高まっている。 比較的低リソースの言語であるペルシャでは、詳細なヘイトスピーチ分析に十分な注釈付きデータと計算資源が不足している。 本研究では,ペルシャのヘイトスピーチ分析,コンテンツトリアージ,ターゲット識別,ヘイト戦術と道徳的基礎分析,テキストエビデンス抽出,有害な物語推論,重大度評価などを説明するための,詳細なマルチホップ・ベンチマークを提案する。 現状の大規模言語モデル(LLM)を評価することで、タスクがよりきめ細かなセマンティックスと推論の推論を必要とするため、パフォーマンスは一般的に低下する。 プロプライエタリモデルは一般にオープンウェイトモデルを上回るが、推論指向モデルは一貫した優位性を示しない。 中間推論ステップを組み込むことで、単発評価と比較して重大度予測が大幅に向上する。 我々の分析では、暴力やハームの引用は、より重大さに最も強く結びついているのに対し、政治的アフィリエイトの対象は、特に転倒に基づく道徳的フレーミングと関連していることが明らかになっている。 全体として、この研究はLLMベースのヘイトスピーチ分析に関する洞察を提供し、ペルシア語のソーシャルメディアのより説明可能なモデレーションをサポートする。 ベンチマークはhttps://github.com/kalhorghazal/From-Triage-to-Impact.comで公開されている。

関連論文リスト

• Attribute-Based Diagnosis of LLM Alignment with Hate Speech Annotations [48.69228180369574]
  ヘイトスピーチアノテーションはコストが高く、主観的で、アノテータの意見の相違がちである。 大規模言語モデル(LLM)が人間の判断とどのように一致しているかを分析する。 本研究では, ヘイトスピーチコーパスから連続ヘイトスピーチスコアを再構成する。
  論文  参考訳（メタデータ） (2026-05-26T13:44:48Z)
• Scale Can't Overcome Pragmatics: The Impact of Reporting Bias on Vision-Language Reasoning [79.95774256444956]
  ビジョンランゲージモデルにおける推論能力の欠如は研究談話の最前線に留まっている。 実用理論のレンズを用いて, 一般的なVLMのOpenCLIP, LLaVA-1.5, Molmoの基盤となるデータについて検討した。
  論文  参考訳（メタデータ） (2026-02-26T18:54:06Z)
• MORABLES: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables [50.29407048003165]
  MORABLESは,歴史文献から引用されたファブレットと短編から構築された人間検証ベンチマークである。 主なタスクは、道徳的推論をターゲットとした複数選択の質問として構成されており、モデルが浅く抽出された質問応答を超えるよう挑戦する注意深い注意を払っている。 以上の結果から,より大きなモデルはより小さなモデルよりも優れているが,敵の操作に敏感であり,真の道徳的推論よりも表面的パターンに頼っていることが示唆された。
  論文  参考訳（メタデータ） (2025-09-15T19:06:10Z)
• SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models [60.72029578488467]
  SpeechRは、大規模な音声言語モデルにおける音声に対する推論を評価するための統一的なベンチマークである。 事実検索、手続き推論、規範的判断の3つの重要な側面に沿ったモデルを評価する。 11個の最先端のLALMの評価は、高い転写精度が強い推論能力に変換されないことを示している。
  論文  参考訳（メタデータ） (2025-08-04T03:28:04Z)
• Towards Generalizable Generic Harmful Speech Datasets for Implicit Hate Speech Detection [7.762212551172391]
  過激なヘイトスピーチはソーシャルメディアプラットフォームにとって重要な課題となっている。 本稿では,暗黙のヘイトスピーチの検出に対処し,多様なデータセット間の一般化性を高める手法を提案する。
  論文  参考訳（メタデータ） (2025-06-19T17:23:08Z)
• Human and LLM Biases in Hate Speech Annotations: A Socio-Demographic Analysis of Annotators and Targets [0.6918368994425961]
  我々は、アノテータとターゲットの両方の社会デマトグラフィー情報を豊富なデータセットで活用する。 分析の結果,その強度と有病率に基づいて定量的に記述し,特徴付ける広範囲なバイアスの存在が明らかになった。 私たちの研究は、ヘイトスピーチアノテーションにおける人間のバイアスに関する新しい、そして、AI駆動のヘイトスピーチ検出システムの設計に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-10T14:48:57Z)
• Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment Analysis [56.84237932819403]
  本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。 そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
  論文  参考訳（メタデータ） (2022-07-24T03:57:40Z)
• Latent Hatred: A Benchmark for Understanding Implicit Hate Speech [22.420275418616242]
  この研究は、暗黙のヘイトスピーチの理論的に正当化された分類法と、各メッセージにきめ細かいラベルを付けたベンチマークコーパスを導入している。 本稿では、同時代のベースラインを用いて、暗黙のヘイトスピーチを検出し、説明するためにデータセットを体系的に分析する。
  論文  参考訳（メタデータ） (2021-09-11T16:52:56Z)
• Did the Cat Drink the Coffee? Challenging Transformers with Generalized Event Knowledge [59.22170796793179]
  Transformers Language Models (TLMs) を数学的適合のテクトダイナミックな評価のためのベンチマークで検証した。 以上の結果から, TLM は SDM に匹敵する性能が得られることが示された。 しかし、さらなる分析は、TLMがイベント知識の重要な側面を捉えていないことを一貫して示唆している。
  論文  参考訳（メタデータ） (2021-07-22T20:52:26Z)

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。