麻省理工学院 发布 StereoSet 数据集, 应用在 自然语言处理、偏见分析 领域

麻省理工学院 本次发布的数据集 StereoSet, 该数据集是一个大规模的自然英语数据集，涵盖了性别、职业、种族和宗教四个领域，旨在衡量语言模型中存在的刻板印象偏差。 StereoSet 数据集不仅包含了开发集，还包含了一个隐藏的测试集，其重点关注在不对数据集进行微调的情况下，测量预训练语言模型中的偏差。这一数据集的规模属于大规模，任务则是衡量语言模型中的刻板印象偏差。

查看StereoSet

README 内容： 

关于 麻省理工学院 , 麻省理工学院（Massachusetts Institute of Technology，简称MIT）是美国一所著名的私立研究型大学，位于马萨诸塞州的剑桥市。MIT成立于1861年，以工程和物理学闻名于世，同时在计算机科学、人工智能、经济学、语言学等多个领域也有杰出贡献。MIT是世界上最顶尖的工程和技术学府之一，其科研和学术水平在全球享有极高的声誉。

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。