arXiv 自然语言处理· Suryansh Talukdar (Purdue University Fort Wayne), Taha Sarwat (Purdue University Fort Wayne), Jonathan Rusert (Purdue University Fort Wayne)·· 4 小时前AI 评分33
通过理由正则化缓解解释与人类对齐中的人口统计学差异
Mitigating Demographic Disparities in Explanation-Human Alignment via Rationale Regularization
AI 导读
研究人员提出 Fair-REF 框架与评估指标 Plausibility-EFG，通过比较模型生成的 token 归因与人类标注理由，衡量并缓解仇恨言论检测中跨人群的解释合理性差异。
来源：arXiv 自然语言处理 · arxiv.org