上海交通大学 发布 CNTP 数据集, 应用在 中文毒性内容、自然语言处理 领域

上海交通大学 本次发布的数据集 CNTP, CNTP数据集是一个大规模的中文毒性内容数据集，包含约2,500个针对每种方法的扰动毒性中文内容。数据集基于对中文语言多模态特性的深入理解，旨在评估大型语言模型（LLMs）在检测扰动毒性中文内容方面的能力。数据集的建设遵循了三个关键原则：语言多样性、人类可读性和可理解性验证，以及通过平衡扰动率来控制扰动百分比。数据集的创建过程涉及从基础数据集中采样毒性内容，进行毒性实体提取，并将扰动嵌入到内容中。该数据集为研究LLMs在中文毒性内容检测中的性能提供了宝贵的资源。

查看CNTP

README 内容： 

关于 上海交通大学 , 上海交通大学是中国历史最悠久和最著名的高等学府之一，位于上海，是中国教育部直属的全国重点大学，也是‘985工程’和‘211工程’的首批重点建设高校之一。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。