世界厨谱：面向细粒度数据收集与区域偏见 operationalization 的社区中心框架
计算机与社会
2025-06-24 v4 人工智能
摘要
我们介绍了世界厨谱框架，这一框架为文化感知和参与式数据收集，以及由此产生的区域多样化世界菜肴评估数据集。我们还分析了偏见 operationalization，以突出当前系统在多个维度上的不表现：(不)准确性、(误)代表性和文化(不)敏感性，并结合定性社区观察和定量自动化工具提供证据。我们发现，这些文本到图像(T2I)模型通常不会产生特定地区菜肴的高质量输出。这一现象即便适用于美国——通常被认为在训练数据中更为丰富——尽管美国菜肴的生成效果也优于所调查的非洲国家。这些模型表现出产生不准确和文化误表示、压平化和不敏感输出的倾向。这些表征偏见可能进一步强化刻板印象，并在区域上不成比例地贡献于消除。该数据集和代码已在https://github.com/oxai/world-wide-dishes上提供。
引用
@article{arxiv.2406.09496,
title = {The World Wide recipe: A community-centred framework for fine-grained data collection and regional bias operationalisation},
author = {Jabez Magomere and Shu Ishida and Tejumade Afonja and Aya Salama and Daniel Kochin and Foutse Yuehgoh and Imane Hamzaoui and Raesetje Sefala and Aisha Alaagib and Samantha Dalal and Beatrice Marchegiani and Elizaveta Semenova and Lauren Crais and Siobhan Mackenzie Hall},
journal= {arXiv preprint arXiv:2406.09496},
year = {2025}
}