LLM 偏见的全面综述:现状与未来方向

Rajesh Ranjan; Shailja Gupta; Surya Narayan Singh

LLM 偏见的全面综述:现状与未来方向

计算与语言 2024-09-26 v1 人工智能计算机与社会人机交互

作者: Rajesh Ranjan , Shailja Gupta , Surya Narayan Singh

摘要

大型语言模型(LLM)通过提供前所未有的文本生成、翻译和理解能力,彻底改变了自然语言处理(NLP)中的各种应用。然而,它们的广泛部署也引发了人们对这些模型内嵌偏见的严重担忧。本文对 LLM 中的偏见进行了全面综述,旨在广泛回顾与这些偏见相关的类型、来源、影响和缓解策略。我们将偏见系统地划分为几个维度。我们的综述综合了当前的研究结果,并讨论了偏见在现实应用中的影响。此外,我们批判性地评估了现有的偏见缓解技术,并提出了未来研究方向以增强 LLM 的公平性和公正性。本综述可作为关注并致力于理解和解决 LLM 偏见的研究人员、从业者和政策制定者的基础资源。

关键词

大型语言模型偏见自然语言处理偏见缓解公平性综述

引用

@article{arxiv.2409.16430,
  title  = {A Comprehensive Survey of Bias in LLMs: Current Landscape and Future Directions},
  author = {Rajesh Ranjan and Shailja Gupta and Surya Narayan Singh},
  journal= {arXiv preprint arXiv:2409.16430},
  year   = {2024}
}

备注

2 Tables, 1 Figure

LLM 偏见的全面综述:现状与未来方向

摘要

关键词

引用

备注

相关论文