文章总结与翻译一、文章主要内容本文聚焦阿拉伯语文本和多模态 meme 中的情感与极端内容检测，旨在解决阿拉伯语内容审核面临的方言多样性、训练数据有限等挑战，具体内容如下：研究背景与问题：社交媒体推动阿拉伯语文本帖子和 meme 成为重要数字表达形式，但这类内容也被用于传播攻击性语言和仇恨言论。同时，阿拉伯语存在6大区域方言群，且相关训练数据和工具不足，导致其内容审核落后于其他语言，亟需精准的分析方法。研究目标与问题：围绕5个核心研究问题展开，包括预训练嵌入模型结合传统分类器能否有效检测相关内容、现有安全分类方案对阿拉伯语 meme 仇恨言论检测能力、主流基础大语言模型（LLM）的检测表现，以及微调后 LLM 在文本和 meme 相关检测任务中的准确性。数据集与方法数据集：采用 ArabicNLP MAHED 2025 挑战赛的3个数据集，分别用于文本语音的希望/仇恨/不适用分类（含9843条训练数据）、文本的多任务检测（情感、攻击性语言、仇恨言论，含5960条训练数据）、多模态仇恨 meme 检测（含2143条训练数据，每条含图像和提取文本）。方法：针对不同任务采用多种模型与策略，如微调 GPT-4o-mini、Gemini Flash 2.5 等 LLM；使用 Google 文本/多模态嵌入模型结合支持向量机（SVM）、深度神经网络（DNN）；通过集成学习（多数投票