研究发现扩散语言模型偏见随采样配置改变

东京科学大学 Koshiro Saito、Okazaki 等人在 arXiv 发表论文《Beyond Model Weights: Sampling-Dependent Fairness in Diffusion Language Models》,指出扩散语言模型的偏见排名会随采样配置而变化,即使去偏后仍不稳定,表明公平性不仅取决于模型权重。团队还为该研究上线了可交互 demo,可扫描全部采样组合供进一步探究。

2026-10-23 ~ 2026-10-23 · 2 条相关

• 扩散语言模型的偏见排名随采样配置改变,去偏后仍不稳定 — Bollegala · 2026-10-23
• 上述扩散语言模型偏见研究上线可交互 demo,可扫全部采样组合 — Bollegala · 2026-10-23