Yulia Tsvetkov
Welche Formen von Bias und Schaden in Ausgaben von Sprachmodellen über Sprachen hinweg annehmen — besonders in den Sprachen und Communities, die die Standard-Evaluation des Feldes historisch ignoriert hat.
Die Standardpipeline zur Untersuchung von Bias in Sprachmodellen war standardmäßig englisch zuerst: auf Englisch trainieren, auf Englisch evaluieren, Schlussfolgerungen ziehen und dann andere Sprachen als Nachtrag portieren. Tsvetkovs Gruppe an der UW betreibt die Gegenpipeline — sie beginnt mit den Sprachen und Communities, die englischzentrierte Methoden nicht erreichen, fragt, welche Bias- und Schadenskategorien in diesen Kontexten tatsächlich sichtbar werden, und lässt die mehrsprachigen Daten die analytischen Kategorien von Anfang an prägen. Für ai100, das Engines in fünf Sprachregionen evaluiert, ist das die methodische Grundlage dafür, das Bias-Profil jeder Sprachregion als eigenen Untersuchungsgegenstand zu behandeln.