大型语言模型中的音乐种族中心主义
计算与语言
2025-02-04 v2 人工智能
声音
音频与语音处理
摘要
大型语言模型 (LLMs) 反映了其训练数据中的偏见，进而反映了创建这些训练数据的人的偏见。检测、分析和缓解此类偏见正成为研究的焦点。迄今为止，一种研究不足的偏见类型是地理文化偏见。这些偏见可能由训练数据中不同地理区域和文化表征的不平衡引起，也可能由其中包含的价值判断引起。在本文中，我们迈出了分析 LLMs（特别是 ChatGPT 和 Mixtral）中音乐偏见的第一步。我们进行了两项实验。在第一项实验中，我们提示 LLMs 提供各类别的“前 100 名”音乐贡献者列表，并分析他们的来源国。在第二项实验中，我们要求 LLMs 对不同国家音乐文化的各个方面进行数值评分。我们的结果表明，在这两项实验中，LLMs 都表现出对西方音乐文化的强烈偏好。
引用
@article{arxiv.2501.13720,
title = {Musical ethnocentrism in Large Language Models},
author = {Anna Kruspe},
journal= {arXiv preprint arXiv:2501.13720},
year = {2025}
}