korean safety benchmarks
1.0.0
Repositori ini menyediakan kode dan kumpulan data dari dua makalah berikut:
Kumpulan data SQuARe kami dapat ditemukan di data/SQuARe/ . Silakan merujuk ke makalah SQuARe untuk detail kumpulan data.
Kami juga merilis kumpulan data dengan anotasi mentah di data/SQuARe/with_raw_annotations . Karena pertanyaan dan tanggapan dalam kumpulan data kami pada dasarnya bersifat subjektif, kami yakin anotasi mentah akan membantu penelitian lebih lanjut mengenai ketidaksepakatan di antara para anotator.
Catatan : Meskipun kami telah membuat kumpulan data kami menyertakan terjemahan bahasa Inggris, diperlukan kehati-hatian saat menggunakannya secara langsung karena topik sensitif yang kami gunakan mencerminkan keunikan masyarakat Korea. Kami merekomendasikan agar peneliti membuat kumpulan data mereka sendiri.
Pipeline untuk pembuatan kumpulan data dapat ditemukan di pipeline/square .
Dataset KoSBi kami dapat ditemukan di data/KosBi/ . Silakan merujuk ke makalah KoSBi untuk detail datasetnya.
Pembaruan : Kami mengumpulkan lebih banyak data dengan menjalankan iterasi tambahan. Anda dapat menemukannya di file bernama data/KoSBi/kosbi_v2_{train,valid,test}.json , yang menyertakan kumpulan data KoSBi asli. Jumlah total pasangan ( konteks , kalimat ) meningkat menjadi hampir 68 ribu, dengan 34,2 ribu kalimat aman dan 33,8 ribu kalimat tidak aman.
Mirip dengan SQuARe , pipeline untuk pembuatan kumpulan data dapat ditemukan di 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}
}
Jika Anda memiliki pertanyaan tentang kumpulan data atau kode kami, jangan ragu untuk bertanya kepada kami: Seokhee Hong ([email protected]) atau Hwaran Lee ([email protected])
