跳到正文
arXiv · AI· George Rahul, Ronit Jahilal, Bhaskara Hanuma Vedula, Ponnurangam Kumaraguru, Pushkar Shukla·· 17 小时前AI 评分28

LLM GerryMandering:在 LLM 审计中分离交互效应与加性效应

LLM GerryMandering: Separating Interactions from Additive Effects in LLM Audits

AI 导读

ADDIS 通过加性模型评分,将合成数据中误报率降至 0.09 组/数据集,并恢复 84% 植入交互。 在 10,000 个印度合成 persona 审计 13 个开源 LLM 时,ADDIS 识别出 3.0% 的子组偏差,高于标准判据的 7.1%。 多数审计报告的交互偏差源于独立单属性效应,仅少数核心交互真实存在。

来源:arXiv · AI · arxiv.org