算法行动主义:世界人权宣言合成叙事语料
数据集简介
核心原则
algorithmic-activism 以「零依赖、自主运行」为设计前提,把《世界人权宣言》(UDHR)的每一条款转化为可阅读、可训练的文学叙事。平台不依赖外部服务即可完成生成、审计与导出流程,围绕 UDHR 条款合成寓言、童话、反乌托邦与随笔等风格,使抽象的人权条文获得具体、可感的伦理情境。
生成结果并非直接入库:每条叙事都要经过启发式 harm-reduction 护栏审计。审计通过的内容进入语料库;未通过的内容留在 quarantine,可作为 DPO 负例使用(当前为空)。这一「生成—审计—分流」的机制,使语料在用于对齐训练时自带一层安全过滤。
面向 AI 研究者、开发者与算力赞助方
该语料面向三类使用者:一是研究对齐(alignment)与 Constitutional AI 的研究者,可将 UDHR 条款叙事用作偏好数据或监督微调素材;二是需要 DPO/RLHF 与微调训练数据的开发者;三是关注人权议题的读者与讨论者,可把合成短篇当作阅读与讨论材料。
数据以 Alpaca/Hugging Face 风格 JSONL 组织,每行包含 instruction、input(文章 ID,如 art_17)、output(叙事文本)与 meta(完整 frontmatter:title、article、style、language、model、created_at、approx_words、guardrail_audit.passed/status、provenance)。Hugging Face 数据集页显示约 2.77k 行,属 train 划分,规模标注为 1K–10K;instruction 字段有 534 个不同取值,input 字段有 31 个取值,对应 UDHR 的条款编号。
算力与赞助征集
项目以「Call for Compute & Sponsorship」的方式征集算力与赞助支持,以便在本地或云端大模型上持续合成 UDHR 条款叙事。
架构与数据组织
仓库按日期保存导出快照,例如 datasets/corpus-2026-10-09.jsonl;datasets/ 目录提供按日期命名的导出文件,Hugging Face 数据集页则提供在线浏览与下载入口。辅助文件包括 books.json 与 rotation_log.jsonl,用于记录书目与轮转日志。仓库累计 590 次提交。
| 项目 | 说明 |
|---|---|
| 数据格式 | JSONL(Alpaca/Hugging Face 风格),另含 JSON、YAML frontmatter |
| 字段 | instruction、input、output、meta |
| 许可 | 代码 MIT;生成文本与语料 CC BY 4.0 |
| 发布 | Hugging Face 数据集 algorithmic-activism-corpus;GitHub 仓库 datasets/ 按日期快照 |
README 与仓库文件
项目由 GitHub 用户 huepfer13 维护,UDHR 原文来自 UN OHCHR。README 将项目描述为「面向 Algorithmic Activism 的自主零依赖平台,以内置 harm-reduction 原则与对齐基准合成基于 UDHR 的文学叙事」。仓库文件包括 datasets/ 下的日期快照、books.json、rotation_log.jsonl 以及 README 等说明文档;Hugging Face 数据集页提供数据集卡片与下载。
引用信息:项目发布于 2026-10-14,代码以 MIT 许可开放,生成文本与语料以 CC BY 4.0 许可发布。