研究人员开发了一个新的框架，用于创建英语以外语言的刻板印象数据集，解决了成本高昂和代表性不足的文化资源匮乏的问题。这种人机协作方法被用于构建EspanStereo，一个涵盖欧洲和拉丁美洲的西班牙语数据集，该数据集识别了普遍存在和具有文化特异性的偏见。使用EspanStereo进行的评估显示，不同国家西班牙语LLM之间的刻板印象行为存在显著差异，这强调了进行具有文化敏感性的偏见评估的必要性。 AI
影响 能够对LLM进行更细致的跨文化偏见评估，可能带来更公平、更具全球相关性的AI系统。
排序理由 该集群描述了一篇详细介绍新颖数据集构建方法及其应用的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07895v1 Announce Type: new Abstract: Research on stereotypes in large language models (LLMs) has largely focused on English-speaking contexts, due to the lack of datasets in other languages and the high cost of manual annotation in underrepresented cultures. To address…
Research on stereotypes in large language models (LLMs) has largely focused on English-speaking contexts, due to the lack of datasets in other languages and the high cost of manual annotation in underrepresented cultures. To address this gap, we introduce a cost-efficient human-L…