超越仇恨言论：NLP 在揭示非人化语言方面的挑战与机遇
计算与语言
2025-07-11 v2
摘要
非人化，即否认个人或群体的人类特质，是一种特别有害的仇恨言论形式，可能使针对边缘化社区的暴力正常化。尽管在检测一般仇恨言论的 NLP 方面取得了进展，但由于标注数据稀缺以及此类表达的微妙性质，识别非人化语言的方法仍然有限。在本工作中，我们系统评估了四种最先进的大型语言模型（LLMs）——Claude、GPT、Mistral 和 Qwen——用于非人化检测。我们的结果表明，只有在优化配置下，仅有一个模型（Claude）实现了强劲的性能（F1 超过 80%），而其他模型尽管具备能力，表现仅属中等。当区分非人化与相关的仇恨类型（如贬低）时，性能进一步下降。我们还确定了目标群体之间的系统性差异：模型倾向于过度预测某些身份（例如男同性恋者）的非人化，而对其他身份（例如难民）则识别不足。这些发现表明，在将预训练语言模型应用于非人化检测任务时，需要进行系统的群体级评估。
引用
@article{arxiv.2402.13818,
title = {Beyond Hate Speech: NLP's Challenges and Opportunities in Uncovering Dehumanizing Language},
author = {Hamidreza Saffari and Mohammadamin Shafiei and Hezhao Zhang and Lasana Harris and Nafise Sadat Moosavi},
journal= {arXiv preprint arXiv:2402.13818},
year = {2025}
}
备注
15 pages, 12 figures, 12 tables