一篇新发表在arXiv上的研究调查了大型语言模型(LLMs)如何判断城市社区的安全性。研究发现,LLMs严重依赖带有居民刻板印象的社区名称,而非客观的地理数据或犯罪统计数据。即使在控制了犯罪率的情况下,模型也倾向于降低芝加哥黑人居民比例较高以及洛杉矶西班牙裔居民比例较高的社区的安全评级。这表明LLMs可能会延续基于地点的污名化,影响其在城市规划和安全决策支持方面的应用。 AI
影响 LLM的输出可能延续人口统计刻板印象,影响其在安全和城市规划决策中的应用。
排序理由 发表在arXiv上的研究论文,详细介绍了LLM行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
- American Community Survey
- arXiv
- Black
- Chicago
- Hispanics
- Hugging Face
- large-language models
- Los Angeles
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →