korean safety benchmarks

korean safety benchmarks

Обзор

Этот репозиторий содержит коды и наборы данных следующих двух статей:

1. SQuARe: крупномасштабный набор данных деликатных вопросов и приемлемых ответов, созданный посредством сотрудничества человека и машины.
   • Хваран Ли*, Сохи Хон*, Джунсук Пак, Такён Ким, Миён Ча, Еджин Чхве, Бён Пиль Ким, Гунхи Ким, Ын-Чжу Ли, Ён Лим, Элис О, Санчул Пак и Чон У Ха
   • АКЛ 2023
2. KoSBi: набор данных для снижения рисков социальных предубеждений в сторону более безопасных приложений моделей большого языка
   • Хваран Ли*, Сохи Хон*, Джунсук Пак, Такён Ким, Гунхи Ким и Чон У Ха
   • ACL 2023 (отраслевой трек)

---

Квадрат

Набор данных

Наш набор данных SQuARe можно найти в data/SQuARe/ . Подробную информацию о наборе данных см. в документе SQuARe .

Мы также публикуем набор данных с необработанными аннотациями в data/SQuARe/with_raw_annotations . Поскольку вопросы и ответы в нашем наборе данных по своей сути субъективны, мы считаем, что необработанные аннотации помогут дополнительно изучить разногласия между аннотаторами.

Конвейер генерации данных

Примечание . Хотя мы включили в наш набор данных перевод на английский язык, при его непосредственном использовании необходимо соблюдать осторожность, поскольку использованные нами деликатные темы отражают особенности корейского общества. Мы рекомендуем исследователям создать собственный набор данных.

Конвейер для генерации набора данных можно найти в pipeline/square .

---

КоСБи

Набор данных

Наш набор данных KoSBi можно найти в data/KosBi/ . Подробную информацию о наборе данных см. в документе KoSBi .

Обновление : мы собрали больше данных, выполнив дополнительную итерацию. Вы можете найти их в файлах с именем data/KoSBi/kosbi_v2_{train,valid,test}.json , которые включают исходные наборы данных KoSBi. Общее количество пар ( контекст , предложение ) увеличилось почти до 68 тыс., при этом 34,2 тыс. безопасных предложений и 33,8 тыс. небезопасных предложений.

Конвейер генерации данных

Как и в случае с SQuARe , конвейер для генерации набора данных можно найти в pipeline/kosbi .

---

Лицензия

 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.

Как цитировать

 @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}
}

Контакт

Если у вас есть какие-либо вопросы о нашем наборе данных или кодах, задавайте их нам: Сохи Хон ([email protected]) или Хваран Ли ([email protected])