PEACE 2.0：针对仇恨表达的 grounding 解释与反仇恨言论
计算与语言
2026-02-20 v1
摘要
在线平台上仇恨言论的持续增长构成了重大的社会挑战。虽然自然语言处理社区已开发出有效的自动检测仇恨言论存在的方法，但针对其的响应——称为反仇恨言论——仍是一个开放的挑战。我们提出PEACE 2.0，一个新型工具，不仅分析和解释某条信息为何被视为仇恨或非仇恨，还生成对其的响应。具体而言，PEACE 2.0具有三个主要新功能：利用检索增强生成(RAG)管道)i)将HS解释 grounding 到证据和事实，ii)自动生成证据 grounding 的反仇恨言论，iii)探索反仇恨言论回复的特征。通过整合这些能力，PEACE 2.0能够对explicit和implicit的仇恨信息进行深入分析和响应生成。
关键词
引用
@article{arxiv.2602.17467,
title = {PEACE 2.0: Grounded Explanations and Counter-Speech for Combating Hate Expressions},
author = {Greta Damo and Stéphane Petiot and Elena Cabrio and Serena Villata},
journal= {arXiv preprint arXiv:2602.17467},
year = {2026}
}