用于缓解大型语言模型偏差的多角色思考
计算与语言
2026-04-22 v3 人工智能
摘要
大型语言模型(LLM)表现出社会偏差，这可能导致有害的刻板印象和不公平的结果。我们提出 \textbf{多角色思考(MPT)}，这是一个简单的推理时框架，通过鼓励从多个视角进行推理来减少社会偏差。MPT 引导模型考虑对比性的社会身份（例如男性和女性）以及中性观点。然后，这些观点通过迭代推理过程进行交互，以识别并纠正偏差判断。这种设计将角色分配的潜在弱点转化为缓解偏差的机制。我们在两个广泛使用的偏差基准上，使用开源和闭源模型对 MPT 进行了评估。结果表明，与现有的基于提示的方法相比，MPT 在保持核心推理能力的同时实现了更低的偏差。
引用
@article{arxiv.2601.15488,
title = {Multi-Persona Thinking for Bias Mitigation in Large Language Models},
author = {Yuxing Chen and Guoqing Luo and Zijun Wu and Lili Mou},
journal= {arXiv preprint arXiv:2601.15488},
year = {2026}
}
备注
15 pages