大型语言模型中的公平性：一项分类调查
计算与语言
2024-12-20 v2 人工智能
摘要
大型语言模型（LLMs）在各个领域展现了显著的成功。然而，尽管这些模型在众多实际应用中表现出色，但大多数算法缺乏公平性考量。因此，他们可能对某些社群，尤其是边缘群体，导致歧视性结果，促使对公平 LLMs 的广泛研究。与传统机器学习中的公平性不同，LLMs 中的公平性涉及独特的背景、分类体系和实现技术。为此，本次调查提供了关于公平 LLMs 现有文献最新进展的全面概述。具体而言，提供了关于 LLMs 的简要介绍，随后分析导致 LLMs 偏见的因素。此外，讨论了 LLMs 中的公平性概念，归纳了评估 LLMs 偏见的指标以及促进公平性的现有算法。此外，总结了用于评估 LLMs 偏见的资源，包括工具包和数据集。最后，讨论了现有研究挑战和开放问题。
引用
@article{arxiv.2404.01349,
title = {Fairness in Large Language Models: A Taxonomic Survey},
author = {Zhibo Chu and Zichong Wang and Wenbin Zhang},
journal= {arXiv preprint arXiv:2404.01349},
year = {2024}
}