循环中的LLM：创建用于仇恨言论净化的PARADEHATE数据集

“去毒化”（Detoxification），即将有害语言改写为无害文本的任务，在网络有毒内容日益普遍的背景下变得愈发重要。然而，由于人工标注的成本和敏感性，高质量的去毒化并行数据集，特别是针对仇恨言论的，仍然稀缺。在本文中，我们提出了一种新颖的LLM循环管道，利用GPT-4o-mini实现自动化去毒化。我们首先通过用LLM替换人工标注者来复现ParaDetox管道，并展示了LLM的性能与人工标注相当。在此基础上，我们构建了PARADEHATE，一个专门用于仇恨言论去毒化的大规模并行数据集。我们发布了PARADEHATE，作为包含超过8000对仇恨/非仇恨文本的基准数据集，并评估了多种基线方法。实验结果表明，在PARADEHATE上进行微调的BART等模型在风格准确性、内容保留和流畅性方面取得了更好的表现，证明了LLM生成的去毒化文本作为人工标注的可扩展替代方案的有效性。