一篇新的arXiv论文揭示,来自OpenAI和Anthropic的领先语言模型表现出概率偏差,拒绝信任来自被描述为黑人的记者信息,其频率高于被描述为白人的记者。这种偏见很微妙,当模型根据种族而非证据评估记者时出现,并且随着推理努力的增加而恶化。研究发现,模型会为像“Black”这样的英语词汇调用种族,但不会为其西班牙语翻译“negro”调用,也从不为“Indigenous”调用。然而,在评估信息时,被描述为黑人的记者获得了略多的信任。一项提议的评分选项,奖励模型在多轮中准确评估信息,显著减少了这种信任中的种族差距。 AI
影响 揭示了大型语言模型中存在的微妙种族偏见,这可能会影响AI系统的公平性和信任度。
排序理由 研究论文发表在arXiv上,详细介绍了语言模型中的偏见。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Anthropic
- arXiv
- Black
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Indigenous
- Litmaps
- Negro
- OpenAI
- ScienceCast
- scite Smart Citations
- White
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →