arXiv cs.AI· Yifan Wang, Leixin Zhang, Jinyi Mu, Yu Wang, Mayank Jobanputra, Isabel Valera, Vera Demberg·· 3 天前AI 评分35
多元冒犯性建模中的社会人口学特征剖析：适用场景及推理的作用
The Anatomy of Socio-Demographics in Pluralistic Offensiveness Modeling: When and Where It Helps, and the Role of Reasoning
AI 导读
在 3 个多标注者数据集的 LLM 实验中，引入社会人口学信息在个体冒犯性预测上的收益微弱且不一致，但在群体和总体层面能带来清晰的预测提升。研究将判断显式分解为整体基线与群体特定偏差，发现对文本与人口特征交互进行显式推理能显著提高基线和偏差估计精度，效果明显优于单纯的条件输入。
来源：arXiv cs.AI · arxiv.org