Tianwei (Terry) Zhang

新的ALTO数据集针对阿拉伯语、法语、斯瓦希里语中技术促进的性别暴力

研究人员开发了ALTO数据集，这是一个包含3,022个黎凡特阿拉伯语、非洲法语和斯瓦希里语中技术促进的性别暴力（TFGBV）实例的新集合。这项社区主导的努力与约旦、法语西非和肯尼亚的民间社会组织合作，解决了TFGBV检测在非全球北方语言中缺乏文化和语言相关数据的问题。基准测试实验显示，现有的有害内容检测模型在此数据集上的表现不佳，特别是遗漏了隐蔽性伤害，并且在斯瓦希里语中错误率更高，尽管微调显示有所改进。