arXiv · AI· Yifan Wang, Leixin Zhang, Jinyi Mu, Yu Wang, Mayank Jobanputra, Isabel Valera, Vera Demberg·· 9 小时前AI 评分34
社会人口统计学在多元冒犯性建模中的作用：何时何地有效及推理的机制
The Anatomy of Socio-Demographics in Pluralistic Offensiveness Modeling: When and Where It Helps, and the Role of Reasoning
AI 导读
研究指出，社会人口统计数据在个体冒犯性预测中收益小且不一致，但在群体和总体层面因聚合消除特异性噪声而更清晰。 通过分解基线与人口特异性偏差的推理格式显示，人口信息改善基线估计和特异性偏移，显式推理比直接条件化产生更准确的预测。 这些结果表明，先前研究的矛盾证据可能源于个体层面评估，且人口信息的价值取决于评估方式及模型引导方式。
来源：arXiv · AI · arxiv.org