标签
该论文提出了一个以用户为中心的审计框架，用于区分基准内容的贡献者（源用户）与评估结果所代表的群体（目标用户），并在16个评估资源上发现美国中心化惯例占据主导、文档中普遍存在源-目标用户语境差距，且评分指标会显著影响性能衡量。
本文检验了同名情绪标签（例如恐惧、惊讶）在 GoEmotions、XED 和 BRIGHTER 数据集中是否具有相同含义，发现这些标签存在大规模不匹配，跨语料库迁移性能下降，且在某些情况下，分类器会因所用训练资源不同而得出相反的结论。
本文分析了大型语言模型中的幻觉，将其视为三个架构决策的结构性后果：自注意力的共现学习、最大似然估计训练目标以及自回归解码的左到右承诺。它将每种机制映射到特定的幻觉类型，并论证了数据集病态会放大但不会导致这些脆弱性。