★ 3
中文大模型社交媒体表达中的社会偏见研究
研究构建了 73 组跨性别、地域、职业的配对探针，考察网络俚语、表情符号和讽刺对中文大模型社会偏见评估的影响。六个中文大模型均表现出显著身份偏见，且讽刺表达下的低分不应被直接解读为偏见缓解。
arXiv NLP19 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究构建了 73 组跨性别、地域、职业的配对探针，考察网络俚语、表情符号和讽刺对中文大模型社会偏见评估的影响。六个中文大模型均表现出显著身份偏见，且讽刺表达下的低分不应被直接解读为偏见缓解。
研究对多个中文大模型开展预注册多任务行为审计，发现内容分类错误率从正式语体的 10.9% 升至阴阳反讽语体的 23.5%，风险差 +12.7 个百分点。显式反讽提示可降低 9.6 个百分点错误率，建议安全评估纳入反讽语体作为测试条件。