MemeScouts@LT-EDI 2026：询问正确问题——用于表情包仇恨言论检测的 prompted 弱监督
计算与语言
2026-04-29 v2 人工智能
摘要
检测表情包中的仇恨言论具有挑战性，因为其多模态特性以及含蓄且受文化背景影响的线索，如讽刺和语境。在最近的视觉-语言模型 (VLM) 能够对文本和图像进行联合推理，但端到端的提示会脆弱，因为单一预测必须解决目标、立场、隐性和讽刺等问题。在多语言环境中，这些挑战更为突出。我们提出一种 prompted 弱监督 (PWS) 方法，通过分解表情包理解为针对性、基于问题的标记函数，采用受限答案选项进行针对偏好恐惧和跨性别者仇恨检测的 LT-EDI 2026 共享任务。使用量化 Qwen3-VLM 通过回答特定问题提取特征，我们的方法优于直接 VLM 分类，在中文和印地语上实现显著提升，分别在英语中名列第一，在中文中名列第二，在印地语中名列第三。通过基于错误驱动的 LF 扩展和特征修剪实现迭代细化，减少冗余并提高泛化能力。我们的结果凸显了 prompted 弱监督在多语言多模态仇恨言论检测中的有效性。
引用
@article{arxiv.2604.24179,
title = {MemeScouts@LT-EDI 2026: Asking the Right Questions -- Prompted Weak Supervision for Meme Hate Speech Detection},
author = {Ivo Bueno and Lea Hirlimann and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2604.24179},
year = {2026}
}
备注
Accepted at Sixth Workshop on Language Technology for Equality, Diversity and Inclusion at ACL2026 (LT-EDI@ACL26)