Missed-in-Urdu: почему AI-модерация пропускает ненависть, если текст написан не по-английски

В 15-32% случаев одна и та же фраза на урду и её английский перевод получают разные вердикты от модели — просто из-за смены шрифта, не смысла. Метод двойной проверки позволяет находить скрытую ненависть в текстах с нелатинским шрифтом или код-свитчингом, которую модель тихо пропускает в оригинале. Модель гонят через одну и ту же проверку дважды — на оригинале и на переводе. Расхождение оценок — это и есть сигнал скрытого вреда, который всплывает в среднем в 4,3% случаев (у слабых моделей — до 10%).