跳到正文
arXiv · AI· Mika Facchini (Technical University of Munich)·· 3 天前AI 评分30

语言模型公平性审计时效性研究:证据锚定与模型更替影响

Auditing a Moving Target: Evidence Anchoring and the Expiry of Fairness Audits of Provider-Served Language Models

AI 导读

一项为期13个月、包含248,400次API调用的重复审计发现,大语言模型的偏差模式会随时间显著变化,且新模型虽继承旧模型偏差但形式不同。 审计结果依赖特定模型版本,一旦提供商更改或退役模型,原有审计证据即失效,偏差并不取决于创业行业。 研究建议监管者和组织应针对模型类别而非单一模型进行审计,并要求对模型响应记录版本信息。

来源:arXiv · AI · arxiv.org