Kensuke Okada

研究人员量化并减轻大型语言模型中的社会期望反应

研究人员开发了一个新框架，用于识别和减少大型语言模型（LLMs）在使用自我报告问卷进行评估时出现的社会期望反应（SDR）。这种SDR是指模型提供符合期望的答案而非诚实答案，这会影响对角色一致性、安全性和偏见的评估结果。所提出的方法通过比较诚实指令和虚假良好指令下的响应来量化SDR，并使用等级强制选择清单来减轻它，结果显示在保留角色恢复能力的同时，SDR显著降低。