本研究通过微调RoBERTa模型，解决了媒体偏见检测问题，利用专家注释的BABE数据集实现句子级偏见分类，显著提升了性能，为更强大的NLP系统奠定基础。

本研究提出了ViLBias框架，结合语言模型与视觉-语言模型，提升偏见新闻检测的准确性3至5%。该方法为媒体偏见检测提供了更强大且可扩展的解决方案。

通过比较多篇关于相同事件的新闻报道，揭示了媒体存在高层次偏见。

本研究使用计算语言分析框架分析了《纽约时报》1986年至2015年关于LGBTQ人士的文章，发现LGBTQ人士的被人性化描述逐渐增加。研究揭示了边缘化群体语言变化和变异的过程，对自动检测和理解媒体偏见及虐待性言论具有重要意义。