本文研究了点击标题破坏的任务，提出了分类和生成短文本的方法。通过对5000篇点击标题帖子进行评估，分类器准确率达到80%。研究还构建了印度尼西亚点击率欺骗语料库，并利用跨语言模型提高检测性能。最终，提出了一种基于提示调整的点击诱饵检测方法，实验结果显示其性能优于现有模型。

该文综述葡萄牙语和西班牙语语言模型研究。葡语方面，单语预训练可提升多语模型性能，收益多来自领域知识；Albertina、GlórIA、ELLE及基于LLaMA 2的模型推进了葡语编码与生成。西语方面，跨语言模型常优于单语模型，BART和T5在摘要、改写、生成问答中表现最佳。

该文介绍了 SemEval 2023 任务 3 的子任务 3 中检测说服技巧的最佳解决方案，使用基于 Transformer 的语言模型处理多语言输入数据和多个预测标签，并使用大型的跨语言模型在所有输入数据上联合训练，最终在 9 种语言中的 6 种语言上表现最优秀。