偏向宗教仇恨与虚假信息交叉点的反击写作
计算与语言
2026-05-22 v1
摘要
宗教仇恨和虚假信息经常在线上共现，放大偏见和极化。鉴于其规模，使用大型语言模型 (LLM) 辅助专家反击写作 (CS) 获得了关注，但以往工作分别处理这些现象。我们填补这一空白，通过研究宗教仇恨与虚假信息共存情境下的 CS 生成。我们测试三种知识驱动的生成策略：首先，我们让 LLM 根据查证者指南和查证文章进行提示；其次，根据 NGOs 指南和报告进行提示；第三，我们创建一种结合两种指南和文件的混合策略。23 名专家修订生成的 CS，评估包括人工和自动指标。尽管 LLM 在 40% 的情况下产生足够好的 CS，但专家编辑显著提高了自然度、完整性和遵循指南的程度。基于后编辑的 CS，混合策略在众包评估中最为有效，搭配强有力的事实纠正与刻板印象缓解和同情心的参与。我们发布一个包含有害且被误导信息主张及其专家验证的 CS 和支持知识的数据集。
引用
@article{arxiv.2605.22435,
title = {Assisted Counterspeech Writing at the Crossroads of Hate Speech and Misinformation},
author = {Genoveffa Martone and Helena Bonaldi and Marco Guerini},
journal= {arXiv preprint arXiv:2605.22435},
year = {2026}
}