GOSt-MT：用于职位相关性别偏见的知识图谱在机器翻译中的应用
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
本文研究了机器翻译中的性别偏见，特别是Google翻译等系统在性别翻译方面的偏见。研究发现，翻译模型倾向于使用男性默认性别，尤其在STEM领域。提出了评估和缓解性别偏见的方法，强调跨学科的语言分析以促进更公平的翻译。
❓
Q&A
机器翻译中的性别偏见主要表现在哪些方面？
机器翻译中的性别偏见主要表现为翻译默认性别偏向男性，尤其在STEM领域，偏见程度远超实际分布。
研究者是如何评估机器翻译中的性别偏见的？
研究者利用共指解析数据集和语法性别的目标语言，首次提出了性别偏见的挑战集和评估协议。
哪些机器翻译系统被评估了性别偏见？
评估了Google Translate、DeepL和Modern MT等三种在线翻译系统在性别翻译方面的表现。
研究中提出了哪些缓解性别偏见的方法？
研究提出了基于少样本学习的偏见缓解解决方案，以实现更公平的翻译。
机器翻译中的性别偏见对社会有什么影响？
性别偏见可能加剧性别刻板印象，影响社会对性别角色的认知和理解，尤其在职业领域。
未来的研究方向是什么？
未来的研究方向包括更多跨学科背景的语言分析，以促进机器翻译中的公平和包容。
🏷️
