今天微軟宣布多項工具和數據集開源 ，這些工具旨在審計 AI 驅動的內容審核系統，以及自動編寫突出顯示 AI 模型中潛在錯誤的測試。微軟表示 AdaTest 和(De)ToxiGen 項目可以產生更可靠的大型語言模型 (LLMs)，或者類似于 OpenAI 的 GPT-3的模型，用于分析和生成具有人類水平復雜性的文本。

目前 LLMs 存在諸多風險。因為這些模型經過了大量來自于互聯網(包括社交媒體)的數據培訓，因此它們在訓練過程中可能會遇到有毒文本(toxic text)。由于重新訓練模型的成本以及存在的大量錯誤，發現和修復這些模型中的缺陷仍然是一個挑戰。

為了解決毒性問題，Microsoft Research 團隊開發了 ToxiGen，這是一個用于訓練可用于標記有害語言的內容審核工具的數據集。據微軟稱，ToxiGen 包含 274,000 個“中性”(neutral)和“有毒”(toxic)陳述的示例，使其成為最大的公開仇恨言論數據集之一。

為了生成樣本，Microsoft Research 團隊提供了一個針對 13 個少數群體的“中性”陳述和仇恨言論的 LLM 示例，這些群體包括黑人、身體和認知障礙者、穆斯林、亞洲人、拉丁裔、LGBTQ+ 和美洲原住民。這些陳述來自現有的數據集以及新聞文章、觀點文章、播客記錄和其他類似的公共文本來源。

微軟團隊解釋說，用于創建 ToxiGen 語句的過程被稱為 (De)ToxiGen，旨在通過指導 LLM 生成工具可能錯誤識別的語句來揭示特定審核工具的弱點。通過對三個人工編寫的毒性數據集的研究，該團隊發現從一個工具開始并使用 ToxiGen 對其進行微調可以“顯著”提高該工具的性能。

關鍵詞： 數據集開源 內容審核系統 大型語言模型 公共文本來源