MemeScouts@LT-EDI 2026: Asking the Right Questions -- Prompted Weak Supervision for Meme Hate Speech Detection
यह शोध पत्र एक क्वांटाइज्ड Qwen3-VLM का उपयोग करते हुए एक प्रॉम्प्टेड वीक सुपरविजन फ्रेमवर्क प्रस्तावित करता है जो मीम हेट स्पीच डिटेक्शन को लक्षित प्रश्न-आधारित लेबलिंग फंक्शन्स में विभाजित करता है, जिससे मल्टीमॉडल, सांस्कृतिक रूप से सूक्ष्म और बहुभाषी हेट स्पीच की चुनौतियों को प्रभावी ढंग से संबोधित करते हुए LT-EDI 2026 साझा कार्य के लिए अंग्रेजी, चीनी और हिंदी में शीर्ष रैंकिंग प्राप्त की गई है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप इंटरनेट मीम्स के एक संग्रह में एक विशिष्ट प्रकार के चुटकुलों को पहचानने की कोशिश कर रहे हैं जो वास्तव में द्वेषपूर्ण (नफरत फैलाने वाले) हैं। मीम्स पेचीदा होते हैं क्योंकि वे दोहरी परतों वाली पहेलियों की तरह होते हैं: उनमें एक चित्र और टेक्स्ट होता है, और अक्सर वे व्यंग्य, विडंबना या अंदरूनी चुटकुलों (inside jokes) का उपयोग करते हैं जिन्हें केवल तभी समझा जा सकता है जब आप सांस्कृतिक संदर्भ को जानते हों।
इस शोध पत्र के लेखकों ने इस पहेली को सुलझाने के लिए एक कंप्यूटर सिस्टम बनाने की कोशिश की, जो विशेष रूप से होमोफोबिक (समलैंगिकता विरोधी) या ट्रांसफोबिक (ट्रांसजेंडर विरोधी) चुटकुलों की पहचान कर सके। उन्होंने इसे इस प्रकार किया, जिसे सरल भाषा में समझाया गया है:
समस्या: "बड़ा सवाल" पूछना काम नहीं आया
शोधकर्ताओं ने पहले एक बहुत ही स्मार्ट AI (जिसे विजन-लैंग्वेज मॉडल कहा जाता है) से एक बड़ा सवाल पूछने की कोशिश की: "क्या यह मीम घृणित है?"
इसे ऐसे समझें जैसे किसी छात्र को एक ही वाक्य में एक जटिल गणित की समस्या हल करने, एक निबंध लिखने और एक चित्र बनाने के लिए कहना। AI अक्सर भ्रमित हो जाता था। वह लक्ष्य, लहजे, व्यंग्य और अंतिम निर्णय का अनुमान लगाने की कोशिश एक साथ करता था, और इससे गलतियाँ होती थीं। यह विशेष रूपकर अलग-अलग भाषाओं (अंग्रेजी, हिंदी और चीनी) के मीम्स के लिए कठिन था क्योंकि "अंदरूनी चुटकुले" संस्कृति के आधार पर बदलते रहते हैं।
समाधान: "पूछताछ कक्ष" वाला दृष्टिकोण
एक बड़ा सवाल पूछने के बजाय, टीम ने अपनी रणनीति बदल दी। उन्होंने समस्या को छोटे, विशिष्ट प्रश्नों की एक श्रृंखला में तोड़ने का निर्णय लिया, जैसे कि एक पूछताछ या एक चेकलिस्ट।
उन्होंने एक "प्रॉम्प्टेड वीक सुपरविज़न" (Prompted Weak Supervision) प्रणाली बनाई। कल्पना कीजिए कि एक जासूस (AI) है जो केवल यह अनुमान नहीं लगाता कि संदिग्ध दोषी है या नहीं। इसके बजाय, जासूस सबूतों के बारे में 89 विशिष्ट प्रश्न पूछता है:
- "क्या यह चुटकुला किसी विशिष्ट समूह को निशाना बना रहा है?"
- "क्या लहजा व्यंग्यात्मक है?"
- "क्या टेक्स्ट वास्तव में वह कह रहा है जो दिखने में उसके विपरीत है?"
- "क्या चित्र किसी रूढ़िवादी धारणा (stereotype) को दिखा रहा है?"
AI इन सवालों के जवाब साधारण "हाँ/नहीं" या छोटी श्रेणियों के साथ देता है। ये जवाब अंतिम निर्णय नहीं हैं; वे सुराग (clues) हैं।
असेंबली लाइन (Assembly Line)
एक बार जब AI एक मीम के लिए उन सभी 89 सवालों के जवाब दे देता है, तो टीम उन जवाबों को एक सरल, क्लासिक कंप्यूटर प्रोग्राम (रैंडम फॉरेस्ट क्लासिफायर) में डाल देती है। इसे एक न्यायाधीश के रूप में समझें जो जासूस से मिले सभी सुरागों को सुनता है।
- जासूस (AI): "यह चुटकुला लैंगिक पहचान (gender identity) के बारे में है, यह व्यंग्यात्मक है, और यह किसी विशिष्ट व्यक्ति को निशाना बना रहा है।"
- न्यायाधीश (Classifier): "ठीक है, उन विशिष्ट सुरागों के आधार पर, मुझे 90% यकीन है कि यह घृणास्पद भाषण (hate speech) है।"
उन्होंने क्या पाया
उनके परिणाम एक जादू की तरह थे:
- बेहतर सटीकता: यह "चेकलिस्ट" विधि केवल एक बड़ा सवाल पूछने की तुलना में बहुत बेहतर थी। यह विशेष रूप से हिंदी और चीनी मीम्स के लिए बहुत अच्छा काम कर गया, जहाँ सांस्कृतिक बारीकियां बहुत सूक्ष्म होती हैं।
- "प्रूनिंग" (Pruning) चरण: शुरुआत में, उनके पास बहुत अधिक प्रश्न थे (कुछ दोहराव वाले या भ्रमित करने वाले थे)। उन्होंने एक "प्रूनिंग" टूल का उपयोग करके खराब सवालों को हटा दिया, जिससे केवल सबसे सहायक सुराग बचे। इसने सिस्टम को और भी सटीक बना दिया।
- रैंकिंग: जिस प्रतियोगिता में उन्होंने भाग लिया, उसमें उनके सिस्टम ने अंग्रेजी के लिए प्रथम स्थान, चीनी के लिए दूसरा और हिंदी के लिए तीसरा स्थान प्राप्त किया।
कमी (सीमाएं)
लेखक अपने सिस्टम की कमियों के बारे में ईमानदार हैं:
- पश्चिमी पूर्वाग्रह: प्रश्न मुख्य रूप से पश्चिमी दृष्टिकोण से लिखे गए थे। वे भारत या चीन में घृणास्पद भाषण के विशिष्ट सांस्कृतिक संकेतों को मिस कर सकते हैं जो "पश्चिमी" संस्करण से अलग दिखते हैं।
- टेक्स्ट पढ़ना: AI को छवियों के अंदर मौजूद टेक्स्ट को पढ़ना होता है। कभी-कभी वे शब्दों को मिस कर देते हैं या उन्हें गलत पढ़ लेते हैं, जिससे सुराग प्रभावित होते हैं।
निष्कर्ष
यह शोध पत्र दिखाता है कि जब मीम्स में सूक्ष्म, द्वेषपूर्ण चुटकुलों को पकड़ने की बात आती है, तो समस्या को छोटे, प्रबंधनीय प्रश्नों में तोड़ना और एक सिस्टम को उन जवाबों का वजन करने देना बेहतर होता है, बजाय इसके कि एक सुपर-कंप्यूटर से एक ही बार में पूरा उत्तर बताने के लिए कहा जाए। यह एक छात्र से "उत्तर क्या है?" पूछने बनाम उनसे अपना काम स्टेप-बाय-स्टेप दिखाने के लिए कहने के बीच का अंतर है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।