文献知网节
计算机应用. 2025, 45 (03) 北大核心CSCD

大语言模型的偏见挑战：识别、评估与去除

徐月梅

xuyuemei@bfsu.edu.cn

叶宇齐何雪怡

  北京外国语大学信息科学技术学院    北京外国语大学国际商学院  

摘要：针对大语言模型（LLM）输出内容存在偏见而导致LLM不安全和不可控的问题，从偏见识别、偏见评估和偏见去除3个角度出发深入梳理和分析现有LLM偏见的研究现状、技术与局限。首先，概述LLM的三大关键技术，从中分析LLM不可避免存在内隐偏见（Intrinsic Bias）的根本原因；其次，总结现有LLM存在的语言偏见、人口偏见和评估偏见三类偏见类型，并分析这些偏见的特点和原因；再次，系统性回顾现有LLM偏见的评估基准，并探讨这些通用型评估基准、特定语言评估基准以及特定任务评估基准的优点及局限；最后，从模型去偏和数据去偏2个角度出发深入分析现有LLM去偏技术，并指出它们的改进方向，同时，分析指出LLM偏见研究的3个方向：偏见的多文化属性评估、轻量级的偏见去除技术以及偏见可解释性的增强。 
关键词：

大语言模型; 偏见溯源; 偏见识别; 偏见评估; 偏见去除;

  • 专辑：

    电子技术及信息科学

  • 专题：

    计算机软件及计算机应用; 自动化技术

  • 分类号：

    TP391.1;TP18

下载手机APP用APP扫此码同步阅读该篇文章

温馨提示：阅读CAJ格式原文，请使用CAJ浏览器。

下载：122 页码：697-708 页数：12 大小：1793K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关法规
  • 关联作者