PulseAugur
中
实时 01:46:36
English(EN) Personality Shapes Gender Bias in Persona-Conditioned LLM Narratives Across English and Hindi: An Empirical Investigation

LLM性别偏见因英语和印地语故事中的个性特征而加剧

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新研究调查了个性特征在大型语言模型（LLM）采用特定角色时如何影响性别偏见。研究人员生成了超过23,000个英语和印地语故事，改变了角色的性别、职业和个性。研究结果表明，与“HEXACO”特质相比，“黑暗三合一”个性特质与更具性别刻板印象的叙事相关，并且在不同的LLM和语言中观察到差异。这表明以人为条件的LLM可能会在各种应用中造成不均衡的代表性伤害并加剧性别刻板印象。 AI

影响 以人为条件的LLM可能会引入不均衡的代表性伤害，从而在生成的内容中加剧性别刻板印象。

排序理由 研究LLM偏见的学术论文。

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 →

LLM性别偏见因英语和印地语故事中的个性特征而加剧

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Tanay Kumar, Shreya Gautam, Aman Chadha, Vinija Jain, Francesco Pierri ·

    性格塑造了英语和印地语中基于角色的LLM叙事的性别偏见：一项实证研究

    arXiv:2604.23600v1 Announce Type: new Abstract: Large Language Models (LLMs) are increasingly deployed in persona-driven applications such as education, customer service, and social platforms, where models are prompted to adopt specific personas when interacting with users. While…

相关实体

相关话题