hate speech

"Our results indicate that the combination of web-scale unlabelled data and LLM-ensemble annotations is the most valuable for smaller models and low-resource languages.（我々の結果は、WebスケールのラベルなしデータとLLMアンサンブル注釈の組み合わせが、小規模モデルと低リソース言語にとって最も価値があることを示している。）"

ArXiv NLP

* 著作権法第32条に基づく適法な引用です。

固定リンク ArXiv NLP

画期的なハイブリッドAIモデル、オンラインの攻撃的な言語を驚異的な精度で検出

ArXiv NLP•2026年3月12日 04:00•research▸

research #nlp 🔬 Research|分析: 2026年3月12日 04:04•

公開: 2026年3月12日 04:00

•

1分で読める

•ArXiv NLP

分析

この研究は、さまざまなオンラインプラットフォームで攻撃的な言葉を効果的に識別する、刺激的なハイブリッド深層学習モデルを紹介しています。BERT、CNN、LSTMアーキテクチャの力を組み合わせることで、この革新的なアプローチは、非常に不均衡なデータセットでも、有害なコンテンツの検出において目覚ましいパフォーマンスを達成します。この研究は、オンライン空間をより安全にするための重要な一歩を示しています。

要点と引用▶

引用・出典

"このモデルは、77,620の攻撃的サンプルと272,214の非攻撃的サンプル（比率1:3.5）を含む多様で不均衡なデータセットで高いパフォーマンスを示し、Precision、Recall、Accuracy、F1スコア、AUCなどの評価指標において約99％を達成しました。"

ArXiv NLP

* 著作権法第32条に基づく適法な引用です。

固定リンク ArXiv NLP

制御可能なテキスト生成モデルを使用したLLM統合型自動ヘイトスピーチ認識

ArXiv Audio Speech•2026年1月9日 05:00•AI Research▸

AI Research #Natural Language Processing, Hate Speech Detection 🔬 Research|分析: 2026年1月16日 01:52•

公開: 2026年1月9日 05:00

•

1分で読める

•ArXiv Audio Speech

分析

この記事は、制御可能なテキスト生成モデルを利用して、大規模言語モデル (LLM) を統合した自動ヘイトスピーチ認識について議論しています。このアプローチは、テキスト内のヘイトコンテンツを特定し、潜在的に軽減するための新しい方法を示唆しています。具体的な方法とその有効性を理解するには、さらなる詳細が必要です。

要点と引用▶

引用・出典

"LLMs-Integrated Automatic Hate Speech Recognition Using Controllable Text Generation Models"

ArXiv Audio Speech

* 著作権法第32条に基づく適法な引用です。

固定リンク ArXiv Audio Speech

MultiHateLoc：オンライン動画におけるマルチモーダルヘイトコンテンツの時系列局在化

ArXiv•2025年12月11日 08:18•Research▸

Research #Hate Speech 🔬 Research|分析: 2026年1月10日 12:04•

公開: 2025年12月11日 08:18

•

1分で読める

•ArXiv

分析

この研究論文は、マルチモーダルAIを使用して、オンラインビデオ内のヘイトスピーチを特定し、位置を特定するという困難な問題を探求しています。この研究は、有害なコンテンツを検出するための技術的解決策を提供することにより、コンテンツモデレーションとオンラインの安全性の向上に貢献する可能性があります。

要点と引用▶

引用・出典

"The paper focuses on the temporal localization of multimodal hate content."

* 著作権法第32条に基づく適法な引用です。

LLMの信頼性再評価：大規模言語モデルはヘイトスピーチを正確に検出できるか？

ArXiv•2025年12月10日 14:00•Research▸

Research #LLM 🔬 Research|分析: 2026年1月10日 12:19•

公開: 2025年12月10日 14:00

•

1分で読める

•ArXiv

分析

この研究は、大規模言語モデル（LLM）が完全には注釈できない概念を評価する能力に焦点を当て、ヘイトスピーチ検出におけるLLMの限界を探求しています。この研究は、この乖離が重要なアプリケーションにおけるLLMの信頼性に与える影響を調査する可能性が高いです。

要点と引用▶

引用・出典

"The study investigates LLM reliability in the context of hate speech detection."

* 著作権法第32条に基づく適法な引用です。

細粒度中国語ヘイトスピーチ検出：プロンプト駆動型LLMマージアプローチ

ArXiv•2025年12月10日 11:58•Research▸

Research #LLM 🔬 Research|分析: 2026年1月10日 12:21•

公開: 2025年12月10日 11:58

•

1分で読める

•ArXiv

分析

本研究は、オンラインの有害性を軽減するために重要な、中国語における細粒度ヘイトスピーチ検出を強化するための大規模言語モデル（LLM）の統合を探求しています。統合されたLLMのプロンプトエンジニアリングへの依存は、多様なデータ分布全体におけるその堅牢性と一般化可能性についてさらなる調査を必要とします。

要点と引用▶

引用・出典

"The study focuses on prompt-driven LLM merge for fine-grained Chinese hate speech detection."

* 著作権法第32条に基づく適法な引用です。

ヘイト動画検出のための推論を考慮したマルチモーダル融合

ArXiv•2025年12月2日 13:24•Research▸

Research #Video Detection 🔬 Research|分析: 2026年1月10日 13:28•

公開: 2025年12月2日 13:24

•

1分で読める

•ArXiv

分析

このArXivの記事は、動画内のヘイトコンテンツを検出するための新しいアプローチを詳細に説明している可能性があります。「推論を考慮したマルチモーダル融合」という焦点は、改善された精度を実現するために、異なるデータモダリティと推論能力を革新的に組み合わせていることを示唆しています。

要点と引用▶

引用・出典

"The article's context indicates the subject matter focuses on hateful video detection using multimodal data fusion and reasoning."

* 著作権法第32条に基づく適法な引用です。

特徴選択がBERTによるヘイトスピーチ検出を強化

ArXiv•2025年12月1日 19:11•Research▸

Research #Hate Speech 🔬 Research|分析: 2026年1月10日 13:35•

公開: 2025年12月1日 19:11

•

1分で読める

•ArXiv

分析

この研究は、AIの安全性とオンラインコンテンツモデレーションにおいて重要な分野である、ヘイトスピーチ検出のためのBERTの強化を探求しています。語彙の増強という側面は、言語やスラングのバリエーションに対する堅牢性を向上させようとしていることを示唆しています。

要点と引用▶

引用・出典

"The study focuses on using Feature Selection and Vocabulary Augmentation with BERT to detect hate speech."

* 著作権法第32条に基づく適法な引用です。

Gradient Masters、ベンガル語におけるヘイトスピーチ検出：低リソースNLPを推進

ArXiv•2025年11月23日 07:29•Research▸

Research #NLP 🔬 Research|分析: 2026年1月10日 14:26•

公開: 2025年11月23日 07:29

•

1分で読める

•ArXiv

分析

この研究論文は、低リソース言語におけるヘイトスピーチ検出という重要な課題に焦点を当てています。アンサンブルベースの敵対的学習の使用は、この状況におけるモデルの堅牢性と精度を向上させる有望なアプローチです。

要点と引用▶

引用・出典

"The research focuses on the BLP-2025 Task 1, addressing hate speech detection."

* 著作権法第32条に基づく適法な引用です。

Loading topic feed...

WebスケールデータとLLMのアンサンブル注釈により、小規模モデルと低リソース言語が大きな恩恵を受けると注目

ArXiv NLP•2026年4月14日 04:00•research▸

research #nlp 🔬 Research|分析: 2026年4月14日 07:42•

公開: 2026年4月14日 04:00

•

1分で読める

•ArXiv NLP

分析

要点と引用▶

引用・出典