运动员与女性运动员：奥运数据中的文本生成性别偏见
最优化与控制
2025-02-07 v1
摘要
大型语言模型 (LLM) 已被证明在先前工作中存在偏见，因为它们生成的文本符合世界的偏 Stereotypical views 或不代表历史上被边缘化人群群体的观点和价值观。在本工作中，我们提议使用来自奥运会平行男女赛事的数据来调查语言模型中不同形式的性别偏见。我们定义了三个衡量偏见的指标，发现模型在性别模糊时对女性持一致偏见。在这种情况下，模型经常仅检索男子赛事的结果，或不承认这些结果即为男子赛事的结果，揭示了LLM在运动背景下存在普遍的性别偏见。
引用
@article{arxiv.2502.04217,
title = {Recovering sparse DFT from missing signals via interior point method on GPU},
author = {Wei Kuang and Alexis Montoison and Vishwas Rao and François Pacaud and Mihai Anitescu},
journal= {arXiv preprint arXiv:2502.04217},
year = {2025}
}