跳到正文
arXiv · NLP· Aditya Upadhyay, Arpan Verma, Chandan Sah, Dev Utkarsh, Harshit Gupta·· 3 天前AI 评分27

研究揭示 LLM 中的认知幼稚化偏见:残障披露导致技术深度下降

"I Am Not a Kiddo!": Quantifying Epistemic Infantilization in Large Language Models via Multi-Metric Bias Analysis

AI 导读

研究通过构建反事实数据集,发现大语言模型在残障用户披露身份后,会以更高层级的摘要替代形式化解释,导致认知可及性降低。 研究提出“认知幼稚化偏见指数”和“认知可及性响应得分”两个复合指标,在五个开源权重模型族中验证了该效应,其中物理和数学领域受影响最大。 该现象揭示了“包容性税收”,即残障用户需比非残障用户更明确地请求严谨内容,可及性应意味着格式适应而非内容简化。

来源:arXiv · NLP · arxiv.org