تعتبر العواصف النارية على الإنترنت (Online Firestorms) حدثاً متسارعاً يتضمن تصعيداً جماعياً لمحتوى سلبي ينتجه المستخدمون، وقد تؤدي إلى أضرار كبيرة على المستويات الاقتصادية والسمعة. غالباً ما تعتمد أنظمة الكشف الحالية على إشارات الحجم، أو درجات المشاعر، أو سمات لغوية محددة مسبقاً. ورغم أن هذه الإشارات تمثل أدوات مفيدة، إلا أنها تلتقط تغيرات المعنى السياقي في المحادثات المتطورة بشكل غير مباشر.

في هذا السياق، اقترحت دراسة جديدة نظام كشف يعتمد على نماذج اللغات الكبيرة (Large Language Models) يتضمن وضعين تشغيليين. الأول يقوم بتصنيف خيوط المناقشة في موقع Reddit بشكل رجعي، من خلال دمج تقييمات محلية لمستويات المقاطع في حكم المستوى العام للخيط. بينما الثاني يعالج الخيوط بشكل تسلسلي ويُصدر تنبيهات مبكرة حينما يتجاوز مقياس متحرك عتبات معدلة مسبقاً.

في هذا الوضع، يقدر نموذج اللغة ثلاثة مؤشرات للعواصف النارية: نسبة السلبية، مستوى التصعيد، وعدد المساهمين. أظهرت النتائج أن النظام العالمي حقق أداءً تصنيفياً قوياً، بينما وضع التنبيه المبكر حقق معدل استرداد عالٍ وكشف عن الخيوط المتصاعدة بعد عدد قليل فقط من التعليقات ومساهمين مختلفين.

تشير هذه النتائج إلى إمكانية استخدام نماذج اللغات الكبيرة ليس فقط للمهام الثابتة، بل أيضاً كأداة تكرارية في مراقبة الخطاب على وسائل التواصل الاجتماعي بشكل متسق وعبر السياقات المختلفة.