arXiv 於 2026 年 10 月 22 日發佈了一篇題為《Patronizing and Condescending Language Detection in English and Mandarin》的預印本論文，作者為 Xinyi Vicky Xiang 及另外兩位合作者。該文歸類於人工智能（cs.AI）方向，編號 arXiv:2610.31808v1，DOI 為 10.48550/arXiv.2610.31808，由 DataCite 發放、尚待註冊。投稿記錄顯示，論文於 2026 年 10 月 22 日 18:44:00 UTC 提交，文件約 35 KB，目前提供 PDF、實驗性 HTML 以及 TeX 源碼等全文獲取方式。
論文關注的是“居高臨下與恩賜式語言”（Patronizing and Condescending Language，簡稱 PCL）。作者指出，這類語言屬於有害語言的一種，其特點是貶低弱勢羣體、以憐憫的姿態對待他們，從而強化社會中既有的負面刻板印象。與公開的仇恨言論不同，PCL 往往更加隱蔽，即便是人類評審者也難以準確識別，這構成了自動檢測的主要難點。
為應對這一問題，研究提出了一個面向 PCL 的自動化檢測系統，並比較了兩條技術路線。第一種方案採用靜態詞嵌入結合卷積神經網絡進行分類，屬於較傳統的文本分類思路；第二種方案則使用預訓練的 BERT 嵌入，並針對 PCL 任務進行微調。實驗結果顯示，基於 BERT 微調的方法明顯更有效，在開發集上取得了 0.528 的 F1 分數。
值得注意的是，該文標題同時涵蓋了英語和普通話兩種語言，説明研究者在英文與中文語境下都對 PCL 檢測進行了探索。作者也坦承，0.528 的 F1 分數雖然體現了 BERT 微調路線的優勢，但整體水平仍反映出 PCL 檢測任務的固有難度——這類語言缺乏像仇恨言論那樣鮮明的表面特徵，語義判斷依賴語境與語用意圖，模型容易漏判或誤判。
從更廣的視角看，這項工作把人機共同面臨的判別難題轉化為可量化的建模問題，為弱勢羣體保護、內容審核與社會偏見治理提供了新的技術切入點。不過，論文摘要並未披露數據集規模、標註規範、跨語言遷移表現等細節，這些信息需要查閲全文才能進一步評估。