探索封闭词：创建和研究波兰色情话语的 forePLay 标注数据集

随着在线内容的激增，尤其在非英语语境下，对稳健检测系统的需求迫切增加。由于现有工具在非英语环境中表现显著有限，本文提出 forePLay，这是一个用于波兰语色情内容检测的新型数据集，包含超过 24,000 条带标注的句子，涵盖歧义性、暴力性和社会不可接受性等多维分类维度。我们的全面评估表明，针对波兰语的专用语言模型在表现优于多语言替代方案，尤其是基于 Transformer 的架构在处理不平衡类别方面表现尤为突出。该数据集及随后的分析为开发具语言感知的内容 moderation 系统提供了基本框架，同时也凸显了在形态复杂语言中扩展此类能力的关键考量。