失踪的发音：检测被音素遮蔽替换掩饰的中文仇恨语言
计算与语言
2025-07-11 v1
摘要
音素遮蔽替换（PCR）定义为刻意使用同音或近同音变体以掩饰有毒意图，已成为中文内容审查的主要障碍。尽管此问题被广泛认识，但现有评估主要依赖基于规则的合成扰动，忽略了真实用户的创造性。我们将PCR分为四类表象形式分类，并构建\ours——一个包含500个自然发生、被音素遮蔽掩饰的仇恨帖子的数据集，数据来源于RedNote平台。对当前最先进大语言模型进行基准测试显示严重弱点：最佳模型仅达到0.672的F1分数，零-shot链桥思考提示even performance further下降。基于错误分析，我们重新审视了之前被判定无效的拼音基于提示策略，实验证明该方法可恢复大量准确率损失。本研究首次提供中文PCR的全面分类法体系、揭示当前检测器局限的真实基准数据集，以及一种轻量级缓解技术，推动了对鲁棒性毒性检测研究的进展。
引用
@article{arxiv.2507.07640,
title = {Lost in Pronunciation: Detecting Chinese Offensive Language Disguised by Phonetic Cloaking Replacement},
author = {Haotan Guo and Jianfei He and Jiayuan Ma and Hongbin Na and Zimu Wang and Haiyang Zhang and Qi Chen and Wei Wang and Zijing Shi and Tao Shen and Ling Chen},
journal= {arXiv preprint arXiv:2507.07640},
year = {2025}
}
备注
In progress