提示大语言模型能否解锁跨语言仇恨言论检测？一项零样本与少样本研究
计算与语言
2025-05-27 v3 计算机与社会
多媒体
摘要
尽管对自动化仇恨言论检测的兴趣日益增长，但现有大多数方法忽略了在线内容的语言多样性。多语言指令微调大语言模型，如 LLaMA、Aya、Qwen 和 BloomZ，在跨语言方面展现出有前景的能力，但它们在通过零样本和少样本提示识别仇恨言论方面的有效性仍未得到充分探索。本工作评估了基于 LLM 提示的检测在八种非英语语言上的表现，利用了多种提示技术，并将其与微调的编码器模型进行了比较。我们表明，尽管零样本和少样本提示在大多数真实世界评估集上落后于微调的编码器模型，但它们在仇恨言论检测的功能测试中实现了更好的泛化能力。我们的研究还揭示，提示设计起着关键作用，每种语言通常需要定制的提示技术以最大化性能。
引用
@article{arxiv.2505.06149,
title = {Can Prompting LLMs Unlock Hate Speech Detection across Languages? A Zero-shot and Few-shot Study},
author = {Faeze Ghorbanpour and Daryna Dementieva and Alexander Fraser},
journal= {arXiv preprint arXiv:2505.06149},
year = {2025}
}