English(EN) When Edit Localization Amplifies Relative Selection Bias: Gradient Geometry, Target Mismatch, and Importance Weighting

新研究分析了人类编辑如何放大语言模型的偏差

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

一篇新发表在arXiv上的研究论文探讨了语言模型中相对选择偏差的现象，特别是人类修正如何可能放大这种偏差。该研究分析了本地化梯度，以理解文本的编辑和保留部分之间的相互作用，发现本地化根据特定因素的不同可能增加或减少偏差。虽然重要性加权有助于恢复总体均值，但该论文指出了不同目标的问题，并推导出了均方误差和最优保留系数的度量。该研究使用公开的人工编辑后实验和合成选择来展示这些效应，区分了相对偏差和绝对偏差。 AI

影响提供了对语言模型中偏差放大的更深入理解，可能为未来的数据策选和模型训练方法提供信息。

排序理由该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Shengwei Zhang, Haoda Dai, Yifei Li, Yuheng Song · 2026-09-15 04:00

当编辑本地化放大相对选择偏差：梯度几何、目标不匹配和重要性加权

arXiv:2609.13709v1 Announce Type: new Abstract: Human corrections identify editable spans, but the examples receiving corrections may come from a selective feedback channel. We analyze this interaction at a fixed model checkpoint by decomposing a localized gradient into edited an…

本文如何被排名

报道来源 [1]

当编辑本地化放大相对选择偏差：梯度几何、目标不匹配和重要性加权

相关实体

相关话题