面向阿拉伯文本语音与多模态表情的希望、仇恨与情感检测：基于大语言模型的方法

社交媒体和在线通信平台的兴起导致阿拉伯文本帖子和表情成为数字表达的关键形式。虽然这些内容可以有趣且信息丰富，但也日益被用于传播冒犯性语言和仇恨言论。因此，对阿拉伯文本和表情进行精确分析的需求日益增长。本文探讨了大语言模型在识别此类内容中 hope、hate speech、offensive language 和 emotional expressions 能力。我们评估了 base LLMs、fine-tuned LLMs 和 pre-trained embedding models 的性能。评估使用了阿拉伯文本语音和表情的数据集，该数据集来自阿拉伯NLP MAHED 2025 挑战。结果表明，像 GPT-4o-mini 经过 fine-tune 阿拉伯文本语音，以及 Gemini Flash 2.5 经过 fine-tune 阿拉伯表情，这些大语言模型能够提供优异的性能。它们分别在 task 1、2、3 上实现了最高 72.1%、57.8% 和 79.6% 的 macro F1 分数，并在 Mahed 2025 挑战中夺得冠军。所提出的解决方案为准确和高效的阿拉伯内容 moderation 系统提供了更细致的理解。