通过反事实校准消除大语言模型在泰国政治立场检测中的偏见
计算与语言
2025-09-29 v1 人工智能
摘要
在低资源和文化复杂的场景中进行政治立场检测，对大语言模型（LLM）而言是一项关键挑战。在泰国政治格局中——以间接语言、极化人物以及情感与立场的纠缠为特征——LLM 常常表现出系统性偏见，例如情感泄漏和对特定实体的偏袒。这些偏见损害了公平性和可靠性。我们提出了 ThaiFACTUAL，这是一个轻量级、模型无关的校准框架，可以在无需微调的情况下缓解政治偏见。ThaiFACTUAL 利用反事实数据增强和基于理由的监督来分离情感与立场并减少偏见。我们还发布了首个高质量的泰国政治立场数据集，涵盖多样化实体和事件，并标注了立场、情感、理由和偏见标记。实验结果表明，ThaiFACTUAL 显著减少了虚假相关性，增强了零样本泛化能力，并在多个 LLM 上提升了公平性。本工作强调了针对代表性不足语言进行文化根基化去偏见技术的重要性。
引用
@article{arxiv.2509.21946,
title = {Debiasing Large Language Models in Thai Political Stance Detection via Counterfactual Calibration},
author = {Kasidit Sermsri and Teerapong Panboonyuen},
journal= {arXiv preprint arXiv:2509.21946},
year = {2025}
}
备注
9 pages