xlmr-hate-speech-sv (v4 - Blindado)

Modelo multilingüe basado en XLM-RoBERTa (xlm-roberta-base) fine-tuned para la clasificación automatizada de contenido tóxico, lenguaje ofensivo, discurso de odio y amenazas en textos en español, optimizado para capturar matices sociolingüísticos y modismos locales.

---

📊 Métricas de Evaluación Oficiales

El modelo fue evaluado de manera rigurosa sobre el conjunto de pruebas aislado y libre de contaminación (test_oficial_limpio.csv, $N = 4,727$), alcanzando un rendimiento robusto y equilibrado:

• Accuracy Global: 86.91%
• F1-Macro Promedio: 82.08%
• Tasa de Error Global: 13.09%

Desglose por Clase (Reporte de Clasificación)

Clase	Precision	Recall	F1-Score	Support (Muestras)
0 - No Tóxico	0.8519	0.8827	0.8670	1,407
1 - Lenguaje Ofensivo	0.9062	0.9126	0.9094	2,404
2 - Discurso de Odio	0.8177	0.7513	0.7831	591
3 - Amenazas/Violencia	0.7475	0.7015	0.7238	325
Macro Average	0.8308	0.8120	0.8208	4,727
Weighted Average	0.8681	0.8691	0.8682	4,727

---

🛡️ Detalles de Auditoría y Rigor Metodológico

• Cero Fuga de Datos (Data Leakage): Las particiones de entrenamiento, validación y prueba pasaron por un estricto proceso de saneamiento e intersección nula, garantizando que las métricas reflejen capacidad de generalización real y no memorización artificial.
• Optimización Defensiva: Configurado bajo la estrategia de selección de mejores pesos basados en F1-Macro, asegurando un rendimiento equitativo frente al desbalance natural de clases minoritarias (como discurso de odio y amenazas).
• Análisis Cualitativo de Errores: La tasa de error residual del 13.09% se concentra fundamentalmente en zonas de ambigüedad semántica y modismos coloquiales, donde la frontera subjetiva entre insultos informales y discurso de odio formal presenta retos interpretativos tanto para sistemas automatizados como para evaluadores humanos.

---

🏷️ Taxonomía de Etiquetas (id2label)

El modelo utiliza las siguientes categorías de clasificación:

{
  "0": "No Tóxico",
  "1": "Lenguaje Ofensivo",
  "2": "Discurso de Odio",
  "3": "Amenazas/Violencia"
}