通过改变数据来改变世界

NLP（自然语言处理）界目前投入于深度学习模型开发的研究和资源远多于训练数据。尽管我们已取得诸多进展，但现已清楚我们的模型会学到各种伪模式、社会偏见和标注伪迹。算法层面的解决方案迄今成效有限。一个正被积极讨论的替代方案是更精心地设计数据集以传递特定信号。本立场论文梳理了支持与反对数据策展的论点，并主张从根本上说这一点毫无意义：策展已然发生且必将持续发生，并正在改变世界。问题仅在于我们愿在该过程中投入多少思考。