Evaluating Bias in Chinese Large Language Models across Tasks and Registers: Task Operationalization Effects and Irony Classification Risks
中国語大規模言語モデルのタスク・文体別バイアス評価：課題設計の影響と皮肉分類のリスク
国際リスク要約
中国語コンテンツ統治において有害・差別的表現の検出に用いられる大規模言語モデル（LLM）を対象に、課題の設計や皮肉表現が偏り測定結果にどう影響するかを検証した研究である。皮肉的な「陰陽」表現では分類誤り率が形式的文体より12.7ポイント高くなり、皮肉を意識した指示により誤り率が低下した。
リスクの側から考える
皮肉表現への誤分類が増えることが分かれば、AIによる言論監視が皮肉や風刺を誤って有害表現として扱い、表現の自由を狭める懸念が生じる。
記事に書かれた事実ではなく、読む人が考えるための問いかけです。キーワード
タイトル、要約、分類、波及は、原文のフィード情報をもとにAIが作成しました。全訳は掲載していません。正確な内容は原文でご確認ください。