X-Troll：国家赞助信息操作代理的可解释检测

国家赞助的讽刺者是部署复杂语言操纵的恶意行为者，威胁在线话语完整性。虽然大型语言模型 (LLM) 在通用自然语言处理任务中取得了优异性能，但它们在细微的宣传检测方面仍感到困难，且作为“黑盒子”，无法提供对操纵策略的可解释见解。本文引入 X-Troll，一个新型框架，通过整合可解释适配器式 LLM 与专家推导的语言知识，检测国家赞助的讽刺者并提供其决策的人类可读解释。X-Troll 整合了情感理论和宣传分析，通过专用 LoRA 适配器实现，采用动态门控捕获协调信息操作中的 campaign-specific 话语模式。针对真实数据的实验表明，我们的语言知识驱动方法在准确率方面优于通用 LLM 基线和现有讽刺检测模型，同时通过基于专家 grounding 的解释提供了增强的透明度，揭示国家赞助行为者所使用的特定语言策略。X-Troll 源代码可在 https://github.com/ltian678/xtroll_source/ 获取。