探索大语言模型中的性别偏见：对德语的深入研究
计算与语言
2025-07-23 v1 机器学习
摘要
近年来，提出了 various 方法来评估大型语言模型（LLM）中的性别偏见。关键挑战在于，当应用于其他语言时，将最初开发用于英语的偏见测量方法的可移植性。本工作旨在为此研究线贡献一举，通过呈现五个用于 LLM 中性别偏见评估的德语数据集。数据集建立在性别偏见的既定概念之上，并通过多种方法实现可访问性。我们报告了针对八个多语言 LLM 模型的发现，揭示了德语性别偏见的独特挑战，包括对男性职业术语的模糊解释以及看似中性名词对性别感知的影响。本工作有助于理解 LLM 在跨语言中的性别偏见，并强调了针对性别偏见评估框架的必要性。
引用
@article{arxiv.2507.16557,
title = {Exploring Gender Bias in Large Language Models: An In-depth Dive into the German Language},
author = {Kristin Gnadt and David Thulke and Simone Kopeinik and Ralf Schlüter},
journal= {arXiv preprint arXiv:2507.16557},
year = {2025}
}
备注
Accepted at the 6th Workshop on Gender Bias in Natural Language Processing (GeBNLP) at ACL 2025