跳到正文
arXiv · NLP· Mo Zhou·· 2026-10-14AI 评分41

中文大语言模型偏见评估:任务操作化效应与反讽分类风险

Evaluating Bias in Chinese Large Language Models across Tasks and Registers: Task Operationalization Effects and Irony Classification Risks

AI 导读

研究显示,形式语体下模型分类错误率为 10.9%,在阴阳语体下升至 23.5%,风险差达 12.7 个百分点。 引入显式反讽感知提示可使干预组错误率降低 9.6 个百分点,不同任务操作化形式(如社会共识估算)对偏见读数有显著交互影响。 因此,中文内容治理安全评估应将反讽语体纳入测试条件,并关注任务操作化对偏见测量的实际影响。

来源:arXiv · NLP · arxiv.org