无法区分使用与提及的NLP系统会审查反言论，但教授这一区别有助于改善

词语用于传达说话者意图的传统用法与“提及”（引用某人所说的话或指出词语属性）有所区别。本文表明，对这种使用-提及区别的计算建模对于处理在线反言论至关重要。反驳有问题内容的反言论通常提及有害语言，但其本身并不有害（例如，称疫苗危险与表达对某人称疫苗危险的不满不同）。我们表明，即使是最近的语言模型也无法区分使用和提及，并且这种失败会传播到两个关键的下游任务：错误信息和仇恨言论检测，导致对反言论的审查。我们引入了提示缓解措施，教授使用-提及区别，并表明这些措施减少了这些错误。我们的工作强调了使用-提及区别对NLP和计算社会科学的重要性，并提供了解决该问题的方法。