Bayesian-Theory-based Bias Removal

新框架BTBR旨在消除大型语言模型中的隐式偏差

研究人员开发了BTBR，一个旨在识别和减轻大型语言模型中隐式偏差的新框架。该方法将偏差证据视为一个分级信号而非二元标签，使用具有显式隶属函数的模糊子集模型来量化偏差强度。BTBR采用似然比筛选来评估样本与偏差角色的匹配度，将高隶属度样本转换为结构化知识三元组，然后应用有针对性的模型编辑来减少偏差，同时保留通用推理能力。跨不同模型和偏差来源的实验证明了BTBR在缩小角色引起的性能差距方面的有效性。