記者黃仁杰／台北報導
演算法推薦讓社群媒體用戶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。由陽明交大智能系統研究所副教授李龍豪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，僅次於日本東京大學。
SemEval是自然語言處理領域重要的國際語意評測競賽，今（2026）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。
「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/
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。
—
本篇文章授權來源：科技島
