★ 3
中文大模型偏见评估：任务操作化与阴阳反讽风险
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。
arXiv NLP19 天前
#偏见评估
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
Bengali 敬语分配偏见基准：LLM 翻译中的尊重分配
研究者提出针对英语-孟加拉语翻译的敬语分配偏见基准，包含 2016 个句子、72 种职业，衡量 LLM 如何分配尊重等级。结果显示职业对敬语选择的影响远大于性别，九个模型的敬语偏见分数从 19.9 到 70.1 不等。
arXiv NLP19 天前
这个主题的相关资产
相关公司荣耀（Honor）1