德黑兰高等研究院 发布 DIFAIR 数据集, 应用在 语言模型、性别偏见 领域

德黑兰高等研究院 本次发布的数据集 DIFAIR, DIFAIR是一个手工策划的语言建模数据集，旨在同时测量预训练语言模型中的公平性和性能。该数据集包含2506个精心筛选的性别特定和性别中性句子，主要从英文维基百科和Reddit社区中抽取。数据集的创建过程包括从原始文本中抽取句子，然后根据性别相关性进行分类和标注。DIFAIR数据集的应用领域主要集中在评估和减少语言模型中的性别偏见，同时确保模型能够保留和正确使用性别相关的事实信息。

查看DIFAIR

README 内容： 

关于 德黑兰高等研究院 , 德黑兰高等研究院（TeIAS）是伊朗的一所顶尖研究机构，专注于基础科学和应用科学的研究与教育。

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。