Компьютерные науки > Расчеты и язык [представлен 11 октября 2024 (v1), последний пересмотренный вариант 16 сентября 2026 года (эта версия, v4)] Название: Which Demographics do LMS numbly to Annotation? Вид PDF HTML (экспериментальное) Резюме: Демография и культурный фон аннотаторов оказывают влияние на этикетки, которые они приписывают в текстовой аннотации. Например, пожилая женщина может счесть оскорбительным чтение сообщения, адресованного "брату", но подросток мужского пола может считать это уместным. В этой связи важно признать, что различия не являются недостаточно представленными членами общества. В результате этого наблюдения были разработаны два направления исследований в контексте использования крупных языковых моделей (МУЗ) для аннотаций данных, а именно: 1) изучение предубеждений и присущих МЛМ знаний и 2) обеспечение разнообразия результатов путем манипулирования оперативностью демографической информацией. Мы объединяем эти два направления исследований и задаем вопрос о том, к каким демографическим показателям прибегает ЛМД в отсутствие демографических данных. Чтобы ответить на этот вопрос, мы оцениваем, какие свойства человеческих аннотаторов МЛМ по своей сути имитируют. Кроме того, мы сравниваем недемографические кондиционированные и плацебо-условные сигналы (например, "вы - аннотатор, живущий в доме номер 5") с демографии ("Вы 45летний мужчина и эксперт по аннотациям вежливости". Как вы оцениваете (инстанцию)? Мы изучаем эти вопросы на предмет вежливости и…
Какая демография повинуется МЛМ во время аннотации?
arXiv: 2410,08820v4 Annualce Type: заменить резюме: демографическая и культурная справка аннотаторов влияет на этикетки, которые они присвоили в текстовой аннотации. Например, пожилая женщина может счесть оскорбительным читать сообщение, адресованное "брату", но подросток мужского пола может считать это уместным. В этой связи важно признать, что различия не являются недостаточно представленными членами общества. В результате этого наблюдения были разработаны два направления исследований в контексте использования крупных языковых моделей (МУЗ) для аннотаций данных, а именно: 1) изучение предубеждений и присущих МЛМ знаний и 2) обеспечение разнообразия результатов путем манипулирования оперативностью демографической информацией. Мы объединяем эти два направления исследований и задаем вопрос о том, к каким демографическим показателям прибегает ЛМД в отсутствие демографических данных. Чтобы ответить на этот вопрос, мы оцениваем, какие свойства человеческих аннотаторов МЛМ по своей сути имитируют. Кроме того, мы сравниваем недемографические кондиционированные сигналы и плацебо-кондит