各方报道 1 篇
arXiv NLP·10-20 12:00★ 3
研究：扩散模型采样器引入性别与观点偏见
原文 论文指出扩散语言模型的提交规则本身会引入偏见：LLaDA 默认等采样器优先提交高概率位置，从而放大职业性别刻板印象并压缩观点分布。作者提出 Fork-First Sampling，在写入任何内容前先决定分叉，可遵循模型信念或任意目标分布并提升流畅度。研究呼吁扩散模型公平性评测应报告提交规则。
论文指出扩散语言模型的提交规则本身会引入偏见：LLaDA 默认等采样器优先提交高概率位置，从而放大职业性别刻板印象并压缩观点分布。作者提出 Fork-First Sampling，在写入任何内容前先决定分叉，可遵循模型信念或任意目标分布并提升流畅度。研究呼吁扩散模型公平性评测应报告提交规则。