Dataset y Benchmark reproducible de lenguaje abusivo en español (IID vs OOD-LODO)

<section aria-label="Descripción del repositorio">
<h2>Benchmark reproducible (español) + harness de evaluación</h2>

<p>
Este repositorio proporciona un <strong>benchmark reproducible</strong> para detección de lenguaje abusivo en español,
diseñado para comparar modelos bajo <strong>protocolos cerrados</strong> y con <strong>trazabilidad por artefactos</strong>.
El foco es medir robustez <em>cross-dataset</em> (IID vs. LODO) de forma auditable, evitando decisiones implícitas.
</p>

<h3>Construido sobre</h3>
<ul>
<li>
<strong>Dataset unificado</strong> (<code>data/all.csv</code>) con contrato explícito:
esquema canónico, procedencia (<code>dataset_id</code>, <code>dialect_region</code>) y mapeo trazable
de <code>raw_label</code> a un objetivo binario <code>y</code>.
</li>
<li>
<strong>Protocolos versionados</strong> como especificaciones:
P1 (IID, split fijo) y P2 (LODO, Leave-One-Dataset-Out por <code>dataset_id</code>).
</li>
<li>
<strong>Manifests deterministas</strong> (<code>manifests/</code>) que materializan splits y folds de forma estable.
</li>
<li>
<strong>Runs auditables</strong> (<code>runs/<run_id>/</code>) y reportes generados
<strong>leyendo artefactos</strong> (sin recomputación <em>ad hoc</em> de métricas).
</li>
</ul>

<h3>No es</h3>
<ul>
<li><strong>No</strong> es un producto de moderación desplegable.</li>
<li>
<strong>No</strong> es un benchmark para inferir causalidad dialectal:
<code>dialect_region</code> es colineal con <code>dataset_id</code> en este release y se usa como descriptor operacional.
</li>
</ul>
</section>