本研究探讨了语言模型对边缘化群体的偏见，填补了特定国家和地区的研究空白。结果显示，23个语言模型对来自埃及、阿拉伯国家、德国、英国和美国的270个边缘化群体普遍存在偏见，尤其是针对非二元性别、LGBTQIA+和黑人女性的交叉偏见更为明显。

作者欢迎LGBTQIA+群体，并询问他们对异性恋男性支持的看法，是否让他们感到安全和被接纳。他对“LGBTQIA+”这一术语表示不满，认为它未能包容所有人，希望听取非异性恋男性的意见和建议。

本研究探讨了多语言环境中检测LGBTQIA+仇恨言论的挑战，特别是机器翻译对细微差别的影响。评估结果显示，英文检测效果最佳，而英泰代码混合情况最差。微调模型在各语言中提高了一致性，表明社会文化差异可能未被自动翻译捕捉。

该研究利用真实数据集和机器学习模型，检测在线讨论中的有害LGBTQIA+言论，分析社交媒体仇恨言论的偏见，提出改进检测方法，强调数据质量对算法性能的重要性，并发现针对特定身份的偏见问题。

Google News Initiative致力于支持建立更具包容性的新闻社区，本月关注LGBTQIA+代表性。The News Minute的编辑Ragamalika Karthikeyan分享了成为酷儿记者的意义，以及他们与Inqlusive Newsrooms项目的工作。该项目旨在改变媒体报道LGBTQIA+问题的方式，制定媒体参考指南并进行培训。他们还创建了导师计划，以培养想要撰写酷儿故事的记者。