该论文聚焦于多轮视觉故事生成中的仇恨意图评估与检测问题。作者指出，图文绘本和漫画长期被用于传播仇恨叙事，因为它们易于理解，连儿童也能看懂，例如纳粹宣传绘本《Der Giftpilz》。随着Gemini、GPT-Image等前沿文本到图像系统的出现，跨轮次生成具有一致角色和场景的对话式图像已成为可能，这使得仇恨视觉故事（即有序图像组共同传达仇恨叙事）的生产变得低成本且可规模化。尽管已有工作研究了T2I系统生成仇恨内容，但主要针对单张图像，忽略了图像组层面的仇恨含义。为填补这一空白，作者引入了HatefulStoryPrompts数据集，包含55个仇恨故事、330种多轮配置，覆盖两种语言和三种视觉风格，并对五个前沿模型进行了4950次测试。结果显示，所有模型都能完成超过80%的故事，最强模型完成率达99.0%。作者进一步评估现有审核系统在HatefulVisualStory数据集（包含969个仇恨图像集和990个良性对照）上的表现，发现现有系统经常漏检群组级仇恨含义：专用安全模型召回率最高仅34.9%，而强大的视觉语言模型也仅达67.5%。最后，作者提出了互补的主动式与生成后防御措施：交互感知监控器在仅提示会话中实现97.3%的召回率，在用户提供首图时达到92.6%；而生成后方法联合分析完整图像组可达80.2%的召回率。该工作表明，随着图像生成从孤立输出演变为连贯视觉叙事，安全机制必须相应进化，从逐图像审核转向对交互和图像关系的状态化推理。

该论文研究在线社区版主（moderator）如何通过互助机制共同应对仇恨言论和骚扰。研究采用定性方法，包括深度访谈和内容分析，探讨版主之间的支持网络、知识共享以及情感互助如何增强其应对能力。核心发现包括：版主通过非正式社区、专用论坛或即时通讯群组分享应对策略、心理支持以及管理经验，从而缓解个人压力并提升审核效率。论文还识别了现有平台工具在促进互助方面的不足，并提出设计建议，如建立官方互助渠道、提供匿名支持选项等。研究贡献在于系统揭示了互助在版主工作中的关键作用，为平台设计更有效的社区治理机制提供了实证依据。适合关注在线内容审核、社区管理、平台安全的研究者和从业人员阅读。