近日，SIGIR 2026 公布了录用论文列表，博士生卢俊宇关于仇恨视频归因的研究成果被录用为长文。SIGIR 是信息检索与数据挖掘领域的顶级会议，被CCF推荐为A类国际学术会议，在学术界及业界均享有盛誉。这次会议共收到1271篇长文投稿，其中有234篇论文被录用，录用率为18.4%。

论文题目：Decoding Multimodal Cues: Unveiling the Implicit Meaning Behind Hateful Videos

中文题目：解码多模态线索：揭示仇恨视频背后的隐含含义

中文摘要：仇恨视频在网络平台上日益泛滥，凸显了开展高效检测的迫切需求。然而，现有研究主要聚焦于二分类任务，未能提供能够揭示判定背后隐含含义的上下文解释，从而严重削弱了模型的可解释性。为弥补这一不足，我们致力于实现可解释的仇恨视频检测，使模型在给出判定结果的同时，能够提供融合相关证据与逻辑推理的上下文解释。该方法能够全面提升对视频内容的理解，并增强决策过程的可解释性。首先，我们在两个现有数据集 HateMM 和 ImpliHateVid 的基础上进行了扩展，使其适用于可解释仇恨视频检测任务。每个数据集都提供了多模态有害元素的细粒度标注，以及相应的上下文解释。随后，我们提出了一个用于可解释检测的 Information Augmentation and Reasoning Enhancement（IARE）框架。该框架包含一个信息增强阶段，通过利用多模态思维链整合有害元素，从而丰富解释所依据的证据。此外，IARE 还引入了一个推理增强阶段，其中通过直接偏好优化引导模型趋向正确的推理路径、远离错误路径，从而提升其解释的逻辑连贯性。我们在这两个数据集上开展了大量实验，将多种基线方法与所提出的 IARE 框架进行了比较。实验结果表明，IARE 不仅取得了当前最优的性能，还能够生成准确的解释。