标签蕴含人类价值：主观任务的价值校准框架
计算与语言
2026-01-13 v1
摘要
为主观任务构建 NLP 系统需要确保其与不同人类价值观的一致性。我们提出了多校准主观任务学习框架（MC-STL），通过三种方法（注释者理由相似性、专家价值分类或评估者社会文化描述）将注释聚类为可识别的人类价值聚类，并通过学习聚类特定嵌入来校准每个价值聚类的预测。我们在包括序数、二元和偏好学习预测等多种主观学习场景中展示了 MC-STL，并在覆盖有毒聊天对话、攻击社交媒体帖子和人类偏好对齐等多个数据集上进行评估。结果表明，MC-STL 在 consistently 优于忽略注释潜在价值结构的基线方法，提升了判别力、价值特定校准和不一致感知指标。
引用
@article{arxiv.2601.06631,
title = {Labels have Human Values: Value Calibration of Subjective Tasks},
author = {Mohammed Fayiz Parappan and Ricardo Henao},
journal= {arXiv preprint arXiv:2601.06631},
year = {2026}
}