超越二元分类：社交媒体视频中细粒度仇恨主义检测
计算与语言
2026-02-18 v1 人工智能
摘要
线上仇恨主义呈现多种形式，这使得其检测具有挑战性。尽管自动化工具可以提高仇恨主义内容的识别，但它们通常局限于二元分类。因此，由于缺乏细粒�且具有上下文敏感性的标签，更为微妙的仇恨主义表现可能难以被检测。为此，我们作出以下贡献：（1）我们提出 FineMuSe，一个新的多模态西班牙语仇恨主义检测数据集，包含二元和细粒度标注；（2）我们引入一个全面的层次化分类法，涵盖仇恨主义、非仇恨主义以及讽刺和幽默的修辞手段；（3）我们评估了广泛的 LLM 用于二元和细粒度仇恨主义检测。我们的发现表明，多模态 LLM 在识别细微形式的仇恨主义方面表现与人类标注员相当；但它们在通过视觉线索传递的共同仇恨主义类型时仍感到困难。
引用
@article{arxiv.2602.15757,
title = {Beyond Binary Classification: Detecting Fine-Grained Sexism in Social Media Videos},
author = {Laura De Grazia and Danae Sánchez Villegas and Desmond Elliott and Mireia Farrús and Mariona Taulé},
journal= {arXiv preprint arXiv:2602.15757},
year = {2026}
}