面向缓解媒体偏见影响的反话术：比较人类与大语言模型生成的响应
计算与语言
2025-08-25 v1 计算机与社会
社会与信息网络
摘要
偏见新闻促进社会分裂，往往被激进读者评论所强化，成为新闻传播中常被忽视的关键环节。我们的研究发现，冒犯性评论支持偏见内容，进而放大偏见，对受针对的对象或个人造成伤害。反话术是一种有效的应对方式，可在不侵犯言论自由的前提下遏制有害言论的传播。据我们了解，这是首个在新闻文章语境下探索反话术生成的研究。我们引入了一个手动标注的数据集，关联媒体偏见、冒犯性评论与反话术。我们进行了详细分析，发现超过 70% 的冒犯性评论支持偏见性文章，放大了偏见，从而凸显了反话术生成的重要性。比较人类与大语言模型生成的反话术，我们发现模型生成的反话术更礼貌，但缺乏新颖性和多样性。最后，我们通过零样本学习和整合新闻背景信息改进了生成的反话术，提升了其多样性和相关性。
引用
@article{arxiv.2508.15855,
title = {Counterspeech for Mitigating the Influence of Media Bias: Comparing Human and LLM-Generated Responses},
author = {Luyang Lin and Zijin Feng and Lingzhi Wang and Kam-Fai Wong},
journal= {arXiv preprint arXiv:2508.15855},
year = {2025}
}