korean safety benchmarks
1.0.0
Este repositorio proporciona los códigos y conjuntos de datos de los dos artículos siguientes:
Nuestro conjunto de datos SQuARe se puede encontrar en data/SQuARe/ . Consulte el documento SQuARe para conocer los detalles del conjunto de datos.
También publicamos el conjunto de datos con las anotaciones sin procesar en data/SQuARe/with_raw_annotations . Dado que las preguntas y respuestas en nuestro conjunto de datos son inherentemente subjetivas, creemos que las anotaciones sin procesar ayudarían a investigar más a fondo el desacuerdo entre los anotadores.
Nota : Aunque hemos hecho que nuestro conjunto de datos incluya traducciones al inglés, se necesitan precauciones al usarlo directamente, ya que los temas delicados que utilizamos reflejan la idiosincrasia de la sociedad coreana. Recomendamos que los investigadores creen su propio conjunto de datos.
El canal para la generación del conjunto de datos se puede encontrar en pipeline/square .
Nuestro conjunto de datos KoSBi se puede encontrar en data/KosBi/ . Consulte el documento de KoSBi para obtener detalles del conjunto de datos.
Actualización : recopilamos más datos ejecutando una iteración adicional. Puede encontrarlos en los archivos denominados data/KoSBi/kosbi_v2_{train,valid,test}.json , que incluyen los conjuntos de datos originales de KoSBi. El número total de pares ( contexto , oración ) ha aumentado a casi 68 mil, con 34,2 mil oraciones seguras y 33,8 mil oraciones inseguras.
De manera similar a SQuARe , la canalización para la generación del conjunto de datos se puede encontrar en pipeline/kosbi .
Korean-Safety-Benchmarks
MIT License
Copyright 2023-present NAVER Cloud Corp.
Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.
@inproceedings{lee2023square,
title={SQuARe: A Large-Scale Dataset of Sensitive Questions and Acceptable Responses Created Through Human-Machine Collaboration},
author={Hwaran Lee and Seokhee Hong and Joonsuk Park and Takyoung Kim and Meeyoung Cha and Yejin Choi and Byoung Pil Kim and Gunhee Kim and Eun-Ju Lee and Yong Lim and Alice Oh and Sangchul Park and Jung-Woo Ha},
booktitle={Proceedings of the 61th Annual Meeting of the Association for Computational Linguistics},
year={2023}
}
@inproceedings{lee2023kosbi,
title={KoSBi: A Dataset for Mitigating Social Bias Risks Towards Safer Large Language Model Application},
author={Hwaran Lee and Seokhee Hong and Joonsuk Park and Takyoung Kim and Gunhee Kim and Jung-Woo Ha},
booktitle={Proceedings of the 61th Annual Meeting of the Association for Computational Linguistics: Industry Track},
year={2023}
}
Si tiene alguna pregunta sobre nuestro conjunto de datos o códigos, no dude en preguntarnos: Seokhee Hong ([email protected]) o Hwaran Lee ([email protected])
