研究：大型语言模型（LLM）显示出对知名机构和期刊的偏见

一项发表在arXiv上的新研究调查了大型语言模型（LLM）可能存在的基于机构声望、地理位置和发表 venue 的偏见。该研究通过三个因子实验，调用了四个 LLM 的 API 进行，发现 LLM 在统计学上显著偏向于来自更高级别机构和《Nature》等知名期刊的候选人。虽然地理来源的影响较小，但研究证实，在顶级期刊上发表可以显著弥补较低的机构声望，特别是对于来自全球认可度较低的大学的候选人。 AI

影响 强调了 LLM 中可能存在的偏见，这些偏见会影响招聘和评估流程，需要进一步研究公平性和缓解策略。

排序理由 学术论文，详细介绍了关于 LLM 偏见的实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Hugging Face
• large language models
• MIT
• Nature
• University of Guayaquil

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →