@inproceedings{gomes-etal-2026-curupira,
title = "Curupira: Arquiteturas H{\'i}bridas Transformer-{B}i{LSTM} para Detec{\c{c}}{\~a}o de Discurso Ofensivo em Portugu{\^e}s Brasileiro",
author = "Gomes, Gabrielly Alves and
Arag{\~a}o, Iago de Sousa and
Drumond, Patricia Medyna Lauritzen de Lucena",
editor = "Barbosa, Bryan Khelven da Silva and
Paes, Aline and
Felippo, Ariani Di",
booktitle = "Proceedings of the 17th {B}razilian Symposium in Information and Human Language Technology",
month = oct,
year = "2026",
address = "Cuiab{\'a}, Mato Grosso, Brazil",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2026.stil-1.14/",
doi = "10.5753/stil.2026.25230",
pages = "163--174",
abstract = "Este trabalho apresenta o Curupira, estudo emp{\'i}rico controlado de arquiteturas neurais para detec{\c{c}}{\~a}o de discurso ofensivo em portugu{\^e}s brasileiro sob protocolo metodol{\'o}gico rigoroso: split treino/valida{\c{c}}{\~a}o/teste honesto, cinco sementes aleat{\'o}rias, controle expl{\'i}cito de capacidade param{\'e}trica e teste de signific{\^a}ncia via bootstrap pareado. Oito configura{\c{c}}{\~o}es s{\~a}o avaliadas no OLID-BR, cobrindo quatro ordens de magnitude em par{\^a}metros. Os resultados devem ser interpretados para este conjunto de dados e regime de treinamento, e indicam cinco achados principais: (i) o desempenho se concentra pr{\'o}ximo de Macro-F1 = 0,70, com o BERTimbau (110M de par{\^a}metros) superando um h{\'i}brido Transformer{\textrightarrow}BiLSTM leve (350K) em 4,3 pontos; (ii) a aten{\c{c}}{\~a}o global produz ganho estatisticamente significativo sobre uma BiLSTM equiparada em capacidade; (iii) aumentar a capacidade neural n{\~a}o melhora o desempenho no cen{\'a}rio avaliado; (iv) a ordem de composi{\c{c}}{\~a}o importa, com Transformer{\textrightarrow}BiLSTM superando BiLSTM{\textrightarrow}Transformer em 6,3 pontos; (v) codifica{\c{c}}{\~a}o posicional senoidal sobre embeddings congelados degrada substancialmente o desempenho, reduzindo o Macro-F1 de 0,66 para 0,26."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="gomes-etal-2026-curupira">
<titleInfo>
<title>Curupira: Arquiteturas Híbridas Transformer-BiLSTM para Detecção de Discurso Ofensivo em Português Brasileiro</title>
</titleInfo>
<name type="personal">
<namePart type="given">Gabrielly</namePart>
<namePart type="given">Alves</namePart>
<namePart type="family">Gomes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Iago</namePart>
<namePart type="given">de</namePart>
<namePart type="given">Sousa</namePart>
<namePart type="family">Aragão</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Patricia</namePart>
<namePart type="given">Medyna</namePart>
<namePart type="given">Lauritzen</namePart>
<namePart type="given">de</namePart>
<namePart type="given">Lucena</namePart>
<namePart type="family">Drumond</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2026-10</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology</title>
</titleInfo>
<name type="personal">
<namePart type="given">Bryan</namePart>
<namePart type="given">Khelven</namePart>
<namePart type="given">da</namePart>
<namePart type="given">Silva</namePart>
<namePart type="family">Barbosa</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aline</namePart>
<namePart type="family">Paes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Ariani</namePart>
<namePart type="given">Di</namePart>
<namePart type="family">Felippo</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>Association for Computational Linguistics</publisher>
<place>
<placeTerm type="text">Cuiabá, Mato Grosso, Brazil</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Este trabalho apresenta o Curupira, estudo empírico controlado de arquiteturas neurais para detecção de discurso ofensivo em português brasileiro sob protocolo metodológico rigoroso: split treino/validação/teste honesto, cinco sementes aleatórias, controle explícito de capacidade paramétrica e teste de significância via bootstrap pareado. Oito configurações são avaliadas no OLID-BR, cobrindo quatro ordens de magnitude em parâmetros. Os resultados devem ser interpretados para este conjunto de dados e regime de treinamento, e indicam cinco achados principais: (i) o desempenho se concentra próximo de Macro-F1 = 0,70, com o BERTimbau (110M de parâmetros) superando um híbrido Transformer→BiLSTM leve (350K) em 4,3 pontos; (ii) a atenção global produz ganho estatisticamente significativo sobre uma BiLSTM equiparada em capacidade; (iii) aumentar a capacidade neural não melhora o desempenho no cenário avaliado; (iv) a ordem de composição importa, com Transformer→BiLSTM superando BiLSTM→Transformer em 6,3 pontos; (v) codificação posicional senoidal sobre embeddings congelados degrada substancialmente o desempenho, reduzindo o Macro-F1 de 0,66 para 0,26.</abstract>
<identifier type="citekey">gomes-etal-2026-curupira</identifier>
<identifier type="doi">10.5753/stil.2026.25230</identifier>
<location>
<url>https://aclanthology.org/2026.stil-1.14/</url>
</location>
<part>
<date>2026-10</date>
<extent unit="page">
<start>163</start>
<end>174</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Curupira: Arquiteturas Híbridas Transformer-BiLSTM para Detecção de Discurso Ofensivo em Português Brasileiro
%A Gomes, Gabrielly Alves
%A Aragão, Iago de Sousa
%A Drumond, Patricia Medyna Lauritzen de Lucena
%Y Barbosa, Bryan Khelven da Silva
%Y Paes, Aline
%Y Felippo, Ariani Di
%S Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology
%D 2026
%8 October
%I Association for Computational Linguistics
%C Cuiabá, Mato Grosso, Brazil
%F gomes-etal-2026-curupira
%X Este trabalho apresenta o Curupira, estudo empírico controlado de arquiteturas neurais para detecção de discurso ofensivo em português brasileiro sob protocolo metodológico rigoroso: split treino/validação/teste honesto, cinco sementes aleatórias, controle explícito de capacidade paramétrica e teste de significância via bootstrap pareado. Oito configurações são avaliadas no OLID-BR, cobrindo quatro ordens de magnitude em parâmetros. Os resultados devem ser interpretados para este conjunto de dados e regime de treinamento, e indicam cinco achados principais: (i) o desempenho se concentra próximo de Macro-F1 = 0,70, com o BERTimbau (110M de parâmetros) superando um híbrido Transformer→BiLSTM leve (350K) em 4,3 pontos; (ii) a atenção global produz ganho estatisticamente significativo sobre uma BiLSTM equiparada em capacidade; (iii) aumentar a capacidade neural não melhora o desempenho no cenário avaliado; (iv) a ordem de composição importa, com Transformer→BiLSTM superando BiLSTM→Transformer em 6,3 pontos; (v) codificação posicional senoidal sobre embeddings congelados degrada substancialmente o desempenho, reduzindo o Macro-F1 de 0,66 para 0,26.
%R 10.5753/stil.2026.25230
%U https://aclanthology.org/2026.stil-1.14/
%U https://doi.org/10.5753/stil.2026.25230
%P 163-174
Markdown (Informal)
[Curupira: Arquiteturas Híbridas Transformer-BiLSTM para Detecção de Discurso Ofensivo em Português Brasileiro](https://aclanthology.org/2026.stil-1.14/) (Gomes et al., STIL 2026)
ACL