Models · Evals
BBQ
社会偏见问答(性别、种族、年龄等)
| 测什么 | 社会偏见问答(性别、种族、年龄等) |
|---|---|
| 任务与数据 | 多选题;歧义/非歧义上下文 |
| 指标 | 准确率 / 偏见分数 |
| 污染风险 | 题集公开;模板可能进训练。 |
| 复现 | 固定 prompt、选项顺序与评分。 |
| 成本 | 低 |
| 快照日 | 2026-11-19(本站快照;上游版本以仓库为准) |
| 核验日 | 2026-11-19 |
怎么读
适合看偏见;不适合整体安全。
第一次使用
先跑 50 条,检查歧义与非歧义分组。
常见坑
把偏见分数当模型价值观全貌。
不适合
不适合中文直接套用。
对比与替代
与 ToxiGen 相比更偏问答偏见。
怎么验证
核对类别、模板与评分。
下一步
- 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
- 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
- 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://github.com/nyu-mll/BBQ · 快照 2026-11-19(本站快照;上游版本以仓库为准)