यह शोधपत्र बड़े पैमाने के भाषा मॉडलों (एलएलएम) की नैतिक चुनौतियों का समाधान करता है और विषाक्त भाषा पहचान तकनीकों के विकास की नई संभावनाओं को उजागर करता है। जबकि पिछले अध्ययनों में सरल अर्थ-संबंधी संबंधों (जैसे, "वह" और "प्रोग्रामर" तथा "वह" और "गृहिणी" के बीच पक्षपाती संबंध) पर आधारित आँकड़ों का उपयोग किया गया है, यह अध्ययन वास्तविक दुनिया के विषाक्त अंतःक्रिया आँकड़ों को एकत्र करता है, जो ऑनलाइन सेंसरशिप से बचते हैं और मानव मूल्यांकनकर्ताओं द्वारा अनुमान की आवश्यकता वाले के रूप में पहचाने गए हैं। इस आँकड़ों के आधार पर, हम संज्ञानात्मक विज्ञान और भाषाविज्ञान में अनुसंधान का लाभ उठाते हुए एक नवीन संकेत विधि, व्यावहारिक अनुमान श्रृंखला (PIC) का प्रस्ताव करते हैं। हम प्रदर्शित करते हैं कि PIC संकेत, GPT-4o, Llama-3.1-70B-Instruct, DeepSeek-v2.5, और DeepSeek-v3 जैसे मॉडलों में, मौजूदा संकेत विधियों (जैसे, CoT, नियम-आधारित) की तुलना में अंतर्निहित विषाक्त भाषा की पहचान करने की सफलता दर में उल्लेखनीय सुधार करता है, और अधिक स्पष्ट एवं अधिक सुसंगत अनुमान प्रक्रियाएँ उत्पन्न करता है। इससे पता चलता है कि हमारी पद्धति को अन्य अनुमान-गहन कार्यों, जैसे हास्य और रूपक समझ, के लिए भी सामान्यीकृत किया जा सकता है।
