缓解大语言模型中针对阿拉伯人和穆斯林文化偏见的提示工程技术：系统综述

大语言模型在各个领域展现出惊人的能力，但关于文化偏见——尤其是针对阿拉伯人和穆斯林的偏见——的担忧已引发伦理挑战，因为这些偏见会延续有害刻板印�并加剧边缘化。尽管对 LLM 中的偏见日益认识，但针对阿拉伯人和穆斯林表征的提示工程策略仍属薄弱环节。本混合方法系统综述检视了此类技术，提供基于证据的指导，面向研究人员和实践者。遵循 PRISMA 指南和 Kitchenham 的系统综述方法学，我们分析了 2021-2024 年间发表的 8 项实证研究，探讨缓解偏见的策略。我们的发现揭示了五种主要的提示工程方法：文化提示、情感激励、自去偏见技术、结构化多步骤管道以及参数优化的连续提示。尽管所有方法在减轻偏见方面都显示出潜力，但效果在不同研究和偏见类型之间存在显著差异。证据表明，某些偏见类型可能对基于提示的缓解措施更具抵抗力。结构化多步骤管道显示出最高的整体效果，在实现最高可达 87.7% 的偏见降幅方面，尽管需要更高的技术专业知识。文化提示提供更广泛的可达性，效果也相当显著。这些结果凸显了无需获取模型参数即可通过提示工程缓解文化偏见的可行性。识别出的少数研究数量凸显了该关键领域存在显著的研究空白。未来的研究应致力于开发文化适应性的提示技术、创建针对阿拉伯人和穆斯林的评估资源，以及将提示工程与其他去偏见方法相结合，以解决更深层的刻板印�，同时保持模型实用性。