本研究提出了IOHunter框架，结合语言模型与图神经网络，提升社交媒体上恶意用户的识别能力。研究结果表明，该方法在多个国家的数据集上显著优于现有技术。

该文章提出了三个指标来评估语言模型的越狱，通过预处理响应扩展了自然语言生成评估方法来计算这些指标，并对不同恶意用户的目标进行了相关性分析。实验证明该多方面评估方法在平均 F1 得分上提高了17%，促使我们引入更全面的评估来确保语言模型的安全性。