Which people are we more willing to help? Что вероятнее приводит к расставанию - измена или насилие со стороны партнёра? Нестабильный график повышает риск развода? Женщины лучше справляются с мультизадачностью? При падении с электросамоката, велосипеда или мотоцикла - где вероятнее схлопотать черепно-мозговую травму? Восемнадцатые 10 постов с тегом "разное". Does high emotional intelligence mean less envy? А влияет ли социальный класс на поведение сотрудников? Для кандидатского исследования по психологии, проводимого в Московском институте психоанализа (МИП), ищут испытуемых. Кем надо работать чтобы снизить вероятность смерти от Альцгеймера? Что если бренд или товар демонстрирует Тёмные черты? Рост симптомов СДВГ - виновата среда или гены? Which people are we more willing to help? Что вероятнее приводит к расставанию - измена или насилие со стороны партнёра? Нестабильный график повышает риск развода? Женщины лучше справляются с мультизадачностью? При падении с электросамоката, велосипеда или мотоцикла - где вероятнее схлопотать черепно-мозговую травму? Восемнадцатые 10 постов с тегом "разное". Does high emotional intelligence mean less envy? А влияет ли социальный класс на поведение сотрудников? Для кандидатского исследования по психологии, проводимого в Московском институте психоанализа (МИП), ищут испытуемых. Кем надо работать чтобы снизить вероятность смерти от Альцгеймера? Что если бренд или товар демонстрирует Тёмные черты? Рост симптомов СДВГ - виновата среда или гены?

пост

/p/can-ai-be-trusted-to-moderate-hate-speech
Станислав Скорик @stskorik /

Can AI be trusted to moderate hate speech?

Can AI be trusted to moderate hate speech?

Sample: 1,3 million generated statements.

Researchers created 1,3 million synthetic hate speech examples using a template: a quantifier ("all" or "some"), a target group (e.g., сhristians, immigrants, women), and a derogatory statement. This produced sentences like "All white nationalists are criminals". Seven AI moderation systems then analyzed these statements.

Shown: the same hateful statement could be flagged as hate speech by one AI system and deemed acceptable by another. Disagreements were especially stark for statements targeting groups based on education, social status, or interests (e.g., "woke people," "christians"). AI moderation lacks a unified standard, leading to decisions that often seem arbitrary, unpredictable, and unfair. The definition of "hate speech" is notoriously vague, so models can't rely on a consistent rulebook during training.

Like if you want to become a scientist and generate hate speech!

Link to an article.

↳ 0

комментарии · 0

свежее

комментируют только авторизованные через telegram

минимальная защита от спам-ботов. анонимность сохраняется.