Implicações da combinação de PSO e Evoprompt na detecção de discurso de ódio em textos em português.

Abstract

Este estudo investiga a otimização automática de prompts para Modelos de Linguagem de Larga Escala (LLMs) na tarefa de detecção de discurso de ódio em português. Para isso, este trabalho expande o framework EVOPROMPT com a implementação do algoritmo Particle Swarm Optimization (PSO) e realiza uma análise comparativa de sua eficácia contra o Algoritmo Genético (GA) e a Evolução Diferencial (DE). Foram conduzidos experimentos em um conjunto de dados adaptado da ToLD-Br, avaliando a capacidade dos algoritmos de evoluir prompts a partir de uma população inicial elaborada manualmente. Os resultados demonstram a superioridade do PSO, que alcançou uma acurácia de 81.21% no conjunto de teste, superando o DE (78.98%) e o GA (77.71%). Crucialmente, todos os algoritmos evolucionários geraram prompts com maior capacidade de generalização do que o melhor prompt manual, quando analisados junto ao conjunto de dados de teste.