PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20369v1cs.CL

CATCH-ME if you RAG: 혐오 및 오정보 교환에 대한 문맥 주석이 달린 멀티턴 반박 연설 데이터셋

CATCH-ME if you RAG: a dataset of Contextually Annotated multi-Turn Counterspeech against Hate and Misinformation Exchanges

온라인 혐오 표현과 오정보는 빈번하게 중복되지만, 자연어 처리(NLP) 연구는 주로 이들을 독립적으로 다루어 왔습니다. 대규모 언어 모델(LLM)은 이러한 두 가지 위협에 대한 반박 연설 생성에서 인간을 보조하는 확장 가능한 솔루션을 나타내지만, 제로샷 모델은 종종 반복적이고 모호한 응답을 생성하여 모델 생성을 유도하기 위한 고품질 예시의 필요성을 강조합니다. 그러나 혐오와 오정보의 중복에 대응하는 기존 반박 연설 데이터셋은 희소하며 단일 회차 영어 대화로 제한되어 있는 반면, 실제 상호작용은 여러 회차와 언어에 걸쳐 있습니다. 이러한 격차를 해소하기 위해, 우리는 혐오와 오정보의 결합을 다루는 대화에 대한 첫 번째 대규모 전문가 선별 다국어 데이터셋을 소개합니다. 사실적 그라운딩을 보장하기 위해, 대화는 검증된 외부 지식(즉, 팩트 체킹 기사 및 NGO 보고서)에 고정되어 있으며 문서 및 청크 수준의 구간(span) 주석을 포함하여 검색-증강 생성(RAG) 시스템에 직접 적용할 수 있도록 합니다. 5개 언어를 포괄하고 7개의 소수자 집단을 향한 혐오를 대상으로 하는 이 새로운 자원은 더욱 설득력 있고 사실에 기반한 반박 연설 모델의 학습 및 평가를 가능하게 합니다.