PulseAugur
中
实时 14:17:12
English(EN) Probing Social Identity Bias in Chinese LLMs with Gendered Pronouns and Social Groups

研究发现中文大语言模型存在社会身份偏见

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新的研究论文通过使用特定于普通话的提示，探讨了中文大语言模型（LLMs）中的社会身份偏见。该研究评估了十个不同的LLMs，重点关注了内群体与外群体框架如何影响与中国背景相关的240个社会群体的观点和毒性得分。研究结果表明，虽然指令调整可以减少观点偏见，但毒性差异仍然存在，并且在某些模型中，使用阴性代词与毒性增加有关。 AI

影响 突出了中文大语言模型中潜在的偏见，让开发者和用户了解特定语言的风险。

排序理由 学术论文，详细介绍了新的评估框架和关于大语言模型偏见的研究结果。 [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 →

研究发现中文大语言模型存在社会身份偏见

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Geng Liu, Feng Li, Junjie Mu, Mengxiao Zhu, Francesco Pierri ·

    使用性别代词和社会群体探测中文大语言模型中的社会身份偏见

    arXiv:2510.06974v2 Announce Type: replace Abstract: Large language models (LLMs) are increasingly deployed in user-facing applications, raising concerns that they may reflect and amplify social biases. We investigate social identity biases in Chinese LLMs using Mandarin-specific …

相关实体

相关话题