هوش مصنوعی
پژوهش arXiv بررسی می‌کند اطلاعات جمعیت‌شناختی چه زمانی به مدل‌سازی توهین‌آمیزبودن کمک می‌کند
این مطالعه می‌پرسد چرا استفاده از ویژگی‌های افراد در پیش‌بینی داوری‌های ذهنی همیشه نتایج یکسانی ندارد و استدلال چه نقشی در این تفاوت‌ها بازی می‌کند.
قضاوت درباره توهین‌آمیزبودن اغلب میان افراد تفاوت دارد؛ به همین دلیل، برخی روش‌های مدل‌سازی از اطلاعات جمعیت‌شناختی برچسب‌گذاران برای بازتاب این تنوع استفاده می‌کنند. بااین‌حال، یافته‌های پیشین درباره سودمندی این اطلاعات یکدست نبوده است.
این پژوهش در سه مجموعه‌داده با چندین برچسب‌گذار و با استفاده از مدل‌های زبانی بزرگِ آموزش‌دیده و مدل‌هایی که با پرامپت هدایت شده‌اند، بررسی می‌کند اطلاعات جمعیت‌شناختی در چه شرایطی و برای کدام بخش‌های مدل‌سازی توهین‌آمیزبودن مفید است و استدلال صریح چه نقشی در بهره‌گیری از آن دارد. چکیدهٔ منتشرشده در منبع، نتایج این بررسی را توضیح نمی‌دهد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗