Baszta: Data-Centric Fine-Tuning of a Polish Multi-Label Safety Classifier

arXiv cs.AI · 25 sept, 06:00

Se presenta Baszta, un clasificador de seguridad de contenidos multilingües en polaco basado en fine-tuning de Herbert-base-cased con cinco categorías (odio, vulgaridad, contenido sexual, crimen, autolesiones). El modelo se evalúa contra Bielik Guard en el benchmark Gadzi Język, revelando desafíos de calibración y robustez fuera de distribución que requieren selección directa en lugar de heredarla de la precisión en distribución.