用于缓解隐私政策问答系统中方言偏置的多智能体框架
计算与语言
2026-02-03 v2
摘要
隐私政策向用户告知数据收集与使用情况，但其复杂性限制了对多元化人群的可访问性。现有的隐私政策问答（QA）系统在不同英语方言间表现出性能差异，使非标准变体的使用者处于不利地位。我们受以人为本的设计原则启发，提出了一个新颖的多智能体框架以缓解方言偏置。我们的方法集成了一个方言智能体（将查询翻译为标准美式英语（SAE）同时保留方言意图）和一个隐私政策智能体（利用领域专业知识优化预测）。与以往方法不同，我们的方法无需重新训练或针对特定方言进行微调，使其广泛适用于各种模型和领域。在 PrivacyQA 和 PolicyQA 上评估，我们的框架将 GPT-4o-mini 在 PrivacyQA 上的零样本准确率从 0.394 提升至 0.601，在 PolicyQA 上从 0.352 提升至 0.464，在不使用额外训练数据的情况下超越或匹敌了少样本基线。这些结果突显了结构化智能体协作在缓解方言偏置方面的有效性，并强调了设计考虑语言多样性的 NLP 系统以确保公平获取隐私信息的重要性。
引用
@article{arxiv.2506.02998,
title = {A Multi-Agent Framework for Mitigating Dialect Biases in Privacy Policy Question-Answering Systems},
author = {Đorđe Klisura and Astrid R Bernaga Torres and Anna Karen Gárate-Escamilla and Rajesh Roshan Biswal and Ke Yang and Hilal Pataci and Anthony Rios},
journal= {arXiv preprint arXiv:2506.02998},
year = {2026}
}
备注
Accepted to ACL 2025 Main Conference