论文提出按三类样本自适应处理的隐式仇恨言论检测框架FAID。
资讯摘要
论文针对隐式仇恨言论检测中统一处理流程忽视样本差异的问题，将样本分为浅层、定向和依赖上下文三类，提出FAID框架：浅层样本用轻量Prompt-Tuning快速分类，定向样本用知识增强迭代细化并揭示隐藏目标，依赖上下文样本用智能体框架自动生成提示补全背景。作者报告在四个基准数据集上显著优于SOTA基线。
要点速读
- 论文将隐式仇恨言论细分为Shallow、Targeted、Context-Dependent三类，并按类别采用不同处理策略。
- FAID对浅层样本用Prompt-Tuning，对定向样本用知识增强，对上下文依赖样本用智能体框架生成提示推断背景。
- 作者报告在四个基准数据集上，FAID显著优于SOTA基线。
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 2026/11/4 08:00:28（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。