GUS-Net:文本中的社会偏见分类——概括、不公与刻板印象
发表于: 。本研究针对自然语言处理中的偏见检测这一关键挑战,提出了GUS-Net,一种关注概括、不公与刻板印象三种偏见的创新方法。通过利用生成性人工智能和自动化代理创建综合合成数据集,GUS-Net在多标签token分类中展现出卓越的准确性和深度,显著超越了现有技术,为文本中的社会偏见检测提供了有效工具。
本研究针对自然语言处理中的偏见检测这一关键挑战,提出了GUS-Net,一种关注概括、不公与刻板印象三种偏见的创新方法。通过利用生成性人工智能和自动化代理创建综合合成数据集,GUS-Net在多标签token分类中展现出卓越的准确性和深度,显著超越了现有技术,为文本中的社会偏见检测提供了有效工具。