用RAG改进隐性厌女解释

RAG让隐性厌女解释更受偏好，但检测提升因数据集而异。

资讯摘要

论文提出一个检索增强生成（RAG）框架，用于检测和解释英语与意大利语中的隐性厌女内容，检索来源包括百科、俚语和女性主义知识库。作者在ImplicIT-Mis与SBIC+数据集上评估各知识源对检测和解释质量的贡献，并考察RAG能否缓解已知的LLM失效模式。结果显示，RAG提升了ImplicIT-Mis上的召回率，但未改善SBIC+上的检测表现；人工评估显示两种语言中RAG解释均更受偏好，女性主义文献在检测与解释上最稳定有用。

要点速读

1. 论文提出面向英语和意大利语隐性厌女的RAG检测与解释框架，使用百科、俚语和女性主义知识源。
2. 在ImplicIT-Mis上RAG提升召回，但在SBIC+上检测性能未提升。
3. 人工评估中RAG解释在两个语言上均优于无RAG解释，女性主义文献最 consistently 有用。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。