跨语言内容审核系统多未达母语者识别水平

Sabadin 等作者提出一套跨语言伤害行为评估协议，并在 11 种语言上测试 5 个开放内容审核系统（从关键词词表到两个现有多语言 guard 模型）。结果显示，55 个系统-语言组合中有 51 个未能达到母语者区分有害功能与无害形式的准确率。 论文称，自动审核系统依据词汇和表层形式而非信息实际行为判定伤害，过度标记与保护不足由此同源，研究将其归纳为七种失效模式。能力提升在 9 种语言中提高了区分度，但阿拉伯语和罗马化印地语仍接近随机水平；作者还称，最优与最差服务语言间的差距随能力扩大，且常用的 bootstrap 区间不可靠。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。