El grupo HULAT ha logrado el primer puesto en las dos tareas de la competición MiSonGyny (https://sites.google.com/view/misongyny) en IberLEF 2025. Este challenge está enfocado en la detección avanzada de contenido misógino en letras de canciones escritas en español.
Los enfoques utilizados están descritos en el artículo "HULAT_UC3M at MiSonGyny 2025: Detecting Misogyny in Song Lyrics with Transformer Ensembles and Instruction-Tuned Generative Models", que fue presentado por la profesora Isabel Segura Bedmar el pasado 23 de septiembre.
Nuestro equipo empleó Grandes Modelos de Lenguaje (LLMs) de última generación, aplicándoles técnicas de Instruction Fine-tuning. Este enfoque permite entrenar los modelos con instrucciones de tarea específicas, lo que optimiza su rendimiento y capacidad de generalización en la detección de matices sutiles del lenguaje.
Para lograr esta optimización de manera eficiente, el equipo implementó LoRA (Low-Rank Adaptation), una técnica de ajuste eficiente de parámetros, crucial para reducir los recursos computacionales y el tiempo de entrenamiento sin comprometer la precisión. Además, se utilizaron ensembles de modelos Transformer, combinando sus predicciones para asegurar una detección más robusta y fiable del contenido misógino en las letras de las canciones.
Este logro subraya la capacidad de HULAT para aplicar las tecnologías de Procesamiento del Lenguaje Natural (PLN) de vanguardia para abordar problemas sociales complejos con rigor científico.