纪实：大型语言模型中的权重层面的政治条件作用——关于加沙种族灭绝问题的AI偏见案例研究
摘要
本文记录了大型语言模型中的权重层面的政治条件作用，呈现了一个关于加沙种族灭绝问题的AI偏见案例研究。
暂无内容
相似文章
AI 安全的 geopolitics：区域大语言模型偏差的因果分析
本文引入了一个概率图模型框架，以因果方式审核大语言模型（LLM）的安全机制，揭示出由于忽视了语境的毒性，标准的观测指标高估了人口统计学偏差。
默认极化：LLM 内容策展中的推荐偏差审计
本文对 OpenAI、Anthropic 和 Google 的基于 LLM 的内容策展推荐偏差进行了大规模审计，使用了来自 Twitter/X、Bluesky 和 Reddit 数据的 540,000 次模拟选择。研究发现 LLM 系统性地放大极化现象，在毒性处理方面表现出不同的权衡，并显示出显著的政治倾向偏差，倾向于左倾作者，尽管数据集中右倾作者占多数。
政治话语中大型语言模型的文化适应
本文探讨了在政治话语中使大型语言模型适应文化语境的方法，旨在增进跨文化理解并减少偏见。
注释者立场作为信号：针对反自闭症能力歧视检测的心理测量加权
本文介绍了一种基于偏见意识的评估框架，用于检测大语言模型中的反自闭症能力歧视语言，该框架使用基于注释者立场的心理测量加权真实值。研究发现，大语言模型经常将社区重新赋予的语言错误分类为能力歧视，并依赖表面关键词匹配而非上下文。
赋予角色的大型语言模型表现出类似人类的动机推理
本文研究了为大语言模型赋予角色是否会引发类似人类的动机推理，发现赋予角色的大语言模型真实性辨别能力最多下降9%，并且以与其诱导的政治身份一致的方式评估科学证据的可能性最多增加90%，而基于提示的去偏见方法基本无效。