Reasoner 超越：面向社交媒体的生成式立场检测与理性化
计算与语言
2025-07-01 v2
摘要
立场检测对于通过分析用户生成内容以识别偏见和有害叙事、促进以人类为中心的网络方面至关重要。随着大型语言模型（Large Language Models, LLMs）的发展，现有方法将立场检测视为分类问题，为建模复杂群体互动并推进自然语言任务能力提供了稳健的方法。然而，这些方法常缺乏可解释性，限制了其为预测提供透明且易于理解的依据的能力。本研究采用生成方法，立场预测包括显式、可解释的理由，并通过单任务和多任务学习将其集成到较小的语言模型中。我们发现，将推理纳入立场检测使较小的模型（FlanT5）能够超越 GPT-3.5 的零样本性能，提升幅度可达 9.57%。此外，我们的结果表明，推理能力提升了多任务学习性能，但可能降低单任务设置中的效果。关键的是，我们演示了忠实的理由有助于将理由蒸馏到 SLM 中，推动了构建可解释、可信赖的系统以解决歧视、促进信任和促进社交媒体上的公平参与的努力。
引用
@article{arxiv.2412.10266,
title = {Reasoner Outperforms: Generative Stance Detection with Rationalization for Social Media},
author = {Jiaqing Yuan and Ruijie Xi and Munindar P. Singh},
journal= {arXiv preprint arXiv:2412.10266},
year = {2025}
}
备注
Accepted by ACM Hypertext 2025