arXiv 人工智能· Yifan Wang, Leixin Zhang, Jinyi Mu, Yu Wang, Mayank Jobanputra, Isabel Valera, Vera Demberg·· 8 小时前AI 评分35
多元冒犯性建模中的社会人口特征剖析：适用场景与推理的作用
The Anatomy of Socio-Demographics in Pluralistic Offensiveness Modeling: When and Where It Helps, and the Role of Reasoning
AI 导读
该研究在三个多标注者数据集上评估了 LLM 进行多元冒犯性建模的表现，发现引入社会人口统计学信息在个体预测上的增益较小且不稳定，但在群体和总体层面效果更为显著。通过将个体判断分解为总体基线与人口特征特异性偏差，研究证实引导模型显式推理文本与人口特征的交互优于直接输入特征，能大幅提升偏差估计与最终预测精度。
来源：arXiv 人工智能 · arxiv.org