跳到主要内容
检索

Mir Tafseer Nayeem

2 篇关联报道

订阅更新
  1. arXiv

    近50万个名字与12个分词器显示:名字能否成为单个token,会改变模型对奖学金、招聘、临床与贷款判断中的概念可及性

    该研究提出NameTrace框架,在近50万个名字和12个LLM分词器上测量名字的直接词元支持,并在同一族裔-性别分层内匹配原子名与短碎片名,发现原子名在奖学金、招聘、临床评估和贷款四个任务轴上的任务对齐概念可及性系统性更高,该差异在全部八个分层中持续存在、可迁移到未见名字,且沿任务方向的隐状态干预会改变后续受限选择。

  2. arXiv

    1,813 对英美变体贯穿审计:六套预训练语料、21 个后训练数据集与十个检查点都偏向美式英语

    该研究构建了 1,813 对匹配的美式英语—英式英语变体资源并提出免训练的 DiAlign 区域对齐估计方法,据此审计六个预训练语料、21 个后训练数据集、九个分词器与十个模型检查点以及两种提示条件下的生成结果,发现美式英语在数据暴露、表示与生成三个阶段均被系统性偏向,且英式英语提示只能部分改变这一默认。

已读完全部报道