本文聚焦于居高临下语言（Patronizing and Condescending Language, PCL），这类语言会贬低弱势群体并强化负面刻板印象，虽不像公开仇恨言论那样明显，却常常难以被人工评审捕捉。为实现自动化检测，作者提出了两套模型。第一套基于静态词向量和卷积神经网络（CNN）进行二分类；第二套则采用预训练的 BERT 模型，并在 PCL 任务上进行微调。实验表明，BERT 微调方案显著优于传统 CNN，开发集上的 F1 分数达到 0.528。该工作为跨语言有害语言检测提供了初步参考，后续可进一步扩展数据规模与模型结构以提升鲁棒性。
点评