回应前像人一样思考：人设引导LLMs应对仇恨的多维度评估

自动反叙事(CN)为缓解在线仇恨言论提供了一种有前景的策略，但对其情感基调、可及性和伦理风险的担忧仍然存在。我们提出了一个框架，用于在四个维度上评估大语言模型(LLM)生成的CN：人设框架、冗长性与可读性、情感基调和伦理鲁棒性。使用GPT-4o-Mini、Cohere的CommandR-7B和Meta的LLaMA 3.1-70B，我们在MT-Conan和HatEval数据集上评估了三种提示策略。我们的发现表明，LLM生成的CN往往冗长且面向大学水平识字能力的人群，限制了其可及性。虽然情感引导的提示产生了更具共情性和可读性的响应，但仍存在关于安全性和有效性的担忧。