@正在进行{jha-etal-2023-海鸥,title=“{S}ee{GULL}:利用生成模型进行广泛地理文化覆盖的刻板印象基准”,author=“Jha、Akshita和Mostafazadeh Davani、Aida和Reddy、Chandan K和Dave、Shachi和Prabhakaran、Vinodkumar和德夫,苏尼帕“,editor=“罗杰斯、安娜和Boyd-Graber、Jordan和冈崎、直崎“,booktitle=“计算语言学协会第61届年会会议记录(第1卷:长篇论文)”,月=七月,年份=“2023”,address=“加拿大多伦多”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.acl-long.548”,doi=“10.18653/v1/2023.acl长.548”,pages=“9851--9870”,抽象=“刻板印象基准数据集对于检测和缓解NLP模型中关于人群的社会刻板印象至关重要。然而,现有数据集的大小和覆盖面都有限,并且在很大程度上局限于西方社会普遍存在的刻板印象。随着语言技术在全球的普及,这一问题尤其突出为了弥补这一差距,我们提出了SeeGULL,这是一个广泛的刻板印象数据集,它是通过利用大型语言模型(如PaLM和GPT-3)的生成能力构建的,并利用全球多样化的评分员库来验证这些刻板印象在社会中的普遍性。SeeGULL是英文的,它包含了关于跨越6大洲8个不同地缘政治区域的178个国家的身份群体的刻板印象,以及美国和印度的国家级身份。我们还包括了不同刻板印象的细粒度攻击性得分,并展示了它们的全球差异。此外,我们还包括了居住在该地区的解说员与居住在北美的解说员对同一群体的比较解说,并证明了区域内对群体的定型观念与北美流行的定型观念不同。",}
<?xml版本=“1.0”编码=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“jha-etal-2023-seegul”><标题信息>SeeGULL:利用生成模型进行广泛地理文化覆盖的刻板印象基准</title信息><name type=“personal”>阿克什塔<namePart type=“family”>Jha</namePart><角色>作者</角色></name><name type=“personal”>艾达Mostafazadeh Davani<角色>作者</角色></name><name type=“personal”>Chandan(钱丹)K</namePart>红色<角色>作者</角色></name><name type=“personal”>沙池<namePart type=“given”>戴夫<角色>作者</角色></name><name type=“personal”>维诺德库玛普拉巴卡兰<角色>作者</角色></name><name type=“personal”>苏尼帕开发人员<角色>作者</角色></name><原始信息>发布日期:2023-07发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会第61届年会会议记录(第1卷:长篇论文)</titleInfo><name type=“personal”>安娜罗杰斯<角色>编辑器</角色></name><name type=“personal”>约旦博伊德·格雷伯<角色>编辑器</角色></name><name type=“personal”>Naoaki(Naoaki)冈崎<角色>编辑器</角色></name><originInfo>计算语言学协会<位置><placeTerm type=“text”>加拿大多伦多</placeTerm></place></originInfo>会议出版物</relatedItem>刻板印象基准数据集对于检测和缓解NLP模型中关于人群的社会刻板印象至关重要。然而,现有的数据集在规模和覆盖面上都有限,基本上局限于西方社会普遍存在的陈规定型观念。随着语言技术在全球范围内的普及,这一点尤其成问题。为了解决这一差距,我们提出了SeeGULL,这是一个广泛的刻板印象数据集,它是通过利用大型语言模型(如PaLM和GPT-3)的生成能力建立的,并利用全球多样化的评分员库来验证这些刻板印象在社会中的普遍性。SeeGULL是英语,包含了对6大洲8个不同地缘政治地区178个国家的身份群体的刻板印象,以及美国和印度的州级身份。我们还包括不同刻板印象的细粒度进攻得分,并展示了它们的全球差异。此外,我们还包括了居住在该地区的解说员与居住在北美的解说员对同一群体的比较解说,并证明了区域内对群体的定型观念与北美流行的定型观念不同</摘要>jha-etal-2023-见鸥10.18653/v1/2023.acl-long.548<位置><网址>https://aclantology.org/2023.acl-long.548</url></位置><部分>2023-07年<扩展单元=“page”><开始>9851<end>9870</范围></部分></mods></modsCollection>
%0会议记录%T SeeGULL:利用生成模型进行广泛地理文化覆盖的定型基准%阿贾,阿克什塔%A Mostafazadeh Davani,艾达%A Reddy,Chandan K。%A Dave,沙奇%维诺德库马尔,A Prabhakaran%A Dev,苏尼帕%Y Rogers,安娜%Y Boyd-Graber,约旦%Y冈崎,直崎%计算语言学协会第61届年会论文集(第一卷:长篇论文)%D 2023年%7月8日%计算语言学协会%C加拿大多伦多%F jha-etal-2023-海鸥%X定型基准数据集对于检测和缓解NLP模型中关于人群的社会定型观念至关重要。然而,现有的数据集在规模和覆盖范围上都有限,并且在很大程度上局限于西方社会普遍存在的刻板印象。随着语言技术在全球范围内的普及,这一点尤其成问题。为了解决这一差距,我们提出了SeeGULL,这是一个广泛的刻板印象数据集,它是通过利用大型语言模型(如PaLM和GPT-3)的生成能力,并利用全球多样化的评分员库来验证这些刻板印象在社会中的普遍性而建立的。SeeGULL是英文的,它包含了关于跨越6大洲8个不同地缘政治区域的178个国家的身份群体的刻板印象,以及美国和印度的国家级身份。我们还包括不同刻板印象的细粒度进攻得分,并展示了它们的全球差异。此外,我们还包括了居住在该地区的解说员与居住在北美的解说员对同一群体的比较解说,并证明了区域内对群体的定型观念与北美流行的定型观念不同。%R 10.18653/v1/2023.acl长548%U型https://aclantology.org/2023.acl-long.548%U型https://doi.org/10.18653/v1/2023.acl-long.548%电话:9851-9870
降价(非正式)
[SeeGULL:利用生成模型进行广泛地理文化覆盖的刻板印象基准](https://aclantology.org/2023.acl-long.548)(Jha等人,ACL 2023)
国际计算语言学协会
- Akshita Jha、Aida Mostafazadeh Davani、Chandan K Reddy、Shachi Dave、Vinodkumar Prabhakaran和Sunipa Dev.2023。SeeGULL:利用生成模型进行广泛地理文化覆盖的定型基准.英寸计算语言学协会第61届年会论文集(第一卷:长篇论文),第9851–9870页,加拿大多伦多。计算语言学协会。