一项新的研究论文探讨了大语言模型（LLMs）与人类对仇恨言论判断的一致性，评估了Llama 3.1和Qwen 2.5。研究发现，模型在显性行为维度上表现良好，但在情感和仇恨言论等评估维度上显示出反向相关性。研究人员提出了一种使用属性级预测来重建仇恨言论分数的方法，R^2值最高可达0.71，优于直接提示。 AI
影响 揭示了大语言模型在评估性仇恨言论维度上的对齐系统性反转，提出了更符合人类信号重建的新方法。
排序理由 该集群包含一篇研究论文，详细分析了大语言模型与主观属性（与仇恨言论相关）的人类判断的一致性。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.27025v1 Announce Type: new Abstract: Hate speech annotation is costly, subjective, and prone to annotator disagreement, making large-scale dataset construction challenging. We systematically analyze how well large language models (LLMs) align with human judgments acros…
Hate speech annotation is costly, subjective, and prone to annotator disagreement, making large-scale dataset construction challenging. We systematically analyze how well large language models (LLMs) align with human judgments across ten theoretically grounded subjective attribut…