一项新的研究论文强调了大型语言模型（LLMs）在生成关于全球多数国家叙事时存在的显著代表性伤害。研究发现，大型语言模型助长有害的刻板印象、抹杀和单一维度描绘，少数族裔的国族身份在从属角色中被不成比例地代表。当提示中存在美国国族线索时，这些偏见会加剧，即使在用非美国身份替换这些线索后，偏见仍然存在，这表明存在根深蒂固的以美国为中心的偏见。 AI
影响 强调了大型语言模型助长有害刻板印象的潜力，需要为非美国人口制定仔细的评估和缓解策略。
排序理由 学术论文，详细介绍了大型语言模型生成叙事中的代表性伤害。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.22749v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used for text generation tasks from everyday use to high-stakes enterprise and government applications, including simulated interviews with asylum seekers. While many works highlight the…
Large language models (LLMs) are increasingly used for text generation tasks from everyday use to high-stakes enterprise and government applications, including simulated interviews with asylum seekers. While many works highlight the new potential applications of LLMs, there are r…