让社区规则体现在在线内容审查中
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
该论文探讨了维基百科用户封禁行为的预测、在线社区评论删除的影响、假新闻检测和社交媒体内容审核等主题，提出了多种优化内容管理和审核的模型与方法，并强调了大型语言模型在毒性检测中的潜力与局限性。
❓
Q&A
维基百科用户封禁行为的预测方法是什么？
该论文介绍了一种计算框架，通过分析被封禁用户的特性及其对封禁公平性的感知，提出了一系列预测任务，以确定用户在第一次违规封禁后的可能行为路径。
在线社区评论删除对用户行为有什么影响？
研究发现在线社区评论删除对评论作者的行为有因果作用，能够减少立即的不合规率，但无法诱导其他行为的改善。
假新闻检测的最新技术框架是什么？
论文提出了一种基于图神经网络的假新闻检测框架，系统比较了几种GNN模型的效果，旨在提高假新闻检测的准确性。
如何优化社交媒体内容审核的效率？
研究利用机器学习模型提出了一种优化阈值的方法，以提高社交媒体内容审核的效率和成本效益。
大型语言模型在毒性检测中的表现如何？
大型语言模型在毒性检测任务上表现出高准确性，但也存在性能瓶颈，模型规模的增加对性能的边际益处逐渐减小。
研究中提到的多语言Reddit评论数据集有什么意义？
该数据集的实验分析阐述了内容管理的挑战和相关研究问题，为自动内容管理的挑战和机遇做准备。
🏷️
