走出同溫層 陽明交大開發多語言模型辨識網路極化言論

【NOW健康 編輯部／整理報導】演算法推薦讓社群媒體使用者更有效率地接收感興趣的資訊，卻也使人長期置身資訊同溫層；情緒化言論因更容易獲得關注，使網路討論逐漸走向兩極化發展。

陽明交大開發可辨識22種語言網路極化言論模型 奪國際競賽亞軍

由陽明交大智能系統研究所李龍豪副教授領軍的自然語言處理研究團隊（NYCU-NLP）成員林鼎翔、褚柏均運用三個開源大型語言模型，開發出可辨識22種語言的網路極化言論模型，這套模型在國際語意評測競賽任務9奪下第二名佳績，第一名為日本東京大學。

SemEval是自然語言處理領域重要的國際語意評測競賽，今年任務9主題是網路極性言論分析，聚焦多語言、多文化及不同事件下的網路極化現象，涵蓋中文、英文、德文、西班牙文、阿拉伯文及緬甸文等22種語言，吸引多所國際知名大學參賽。

李龍豪表示，部分參賽語言屬於使用人口或數位資料較少的低資源語言，不僅可供模型學習的資料有限，不同國家、文化及事件脈絡也各有差異，增加AI判讀的難度。因此，團隊的策略並非只追求特定語言或單項任務的最佳成績，而是尋找能適用不同語言及任務、維持穩定表現的通用方法。

選用三個開源大型語言模型整合判斷 未來可應用掌握網路對立現象

在開發過程中，團隊比較了10個近期表現較佳的開源大型語言模型，最後依據實驗結果，選用Google釋出的Gemma-3、法國AI新創公司Mistral AI開發的Mistral-small-3.2，以及微軟釋出的Phi-4。透過模型堆疊方式整合判斷結果，如同讓具備不同專長的成員共同解題，提升系統面對多語言及多類型任務時的整體穩定性。最終團隊在中文、西班牙文及德文等語言項目表現尤其突出，整體成績排名第二。

李龍豪指出，網路極化可能使民眾接收到片面資訊，加劇社會群體對立，壓縮理性討論空間，已成為國際自然語言處理研究的新課題。相關技術未來可應用於跨語言網路輿情分析、社群風險觀測及公共議題研究，協助掌握不同文化與事件中的網路對立現象。

文字編輯：楊芷晴

# 首圖來源／陽明交大智能系統研究所提供

更多NOW健康報導
▸轉移性攝護腺癌憂抗藥性 精準放射標靶治療保生活品質
▸小腹凸起是中年發福？ 醫示警恐是「婦癌之王」找上門

NOW健康：FB│ IG│ Threads│ YT│ 官方LINE│ 醫級邦│ 健康安妞 Podcast
❤溫馨提醒：歡迎轉傳「原始文章連結」分享，未經授權，請勿複製圖文轉貼本文。