一篇新发布的 arXiv 研究论文《Once Upon a Bias: LLM 生成的儿童故事中的性别刻板印象》揭示,大型语言模型在为儿童创作的故事中表现出性别刻板印象。研究人员分析了 16 种不同 LLM 生成的超过 62,000 个故事,发现针对儿子的故事比针对女儿的故事更强调高能动性和低亲和性。该研究采用了多层次评估框架,包括人类评估和隐藏状态分析,以证明这些持续存在但依赖于情境的代表性差异。 AI
影响 揭示了 LLM 在塑造性内容中可能延续性别刻板印象的潜力,需要超越标准基准的针对性偏见评估。
排序理由 该集群包含一篇详细介绍 LLM 偏见研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Large language models
- Sayumi Muthukumarana
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →