EMNLP 论文用 LLM 规模化测量文本歧义,源自哈贝马斯机器项目
sebkrier · x · 2026-10-26
MIT 团队 Sally Dong、Luke Thorburn 等人在 EMNLP 2026 获 Oral 的论文提出用 LLM 测量法律、公共提案甚至 AI 宪法等规范性文本中的歧义。
背景来自 Habermas Machine 项目:团队发现 LLM 常通过让陈述更模糊来最大化群体共识,比如「和平抗议应该被允许」这类表述看似高共识,实则分歧隐藏在对「和平」的不同解读中。传统测歧义方法是让大量人群各自解读同一陈述再比较分歧,无法规模化。
新工作展示了如何用 LLM 近似这一流程,实现对文本歧义的可扩展测量。
「漫话AGI」频道最新
- 博主称拐点已过:未来半年加速将超过去 60 年 — SydSteyerhart · 2026-10-26
- 研究员 tszzl 坦言：既惊叹模型能力又恐惧智能爆炸，这是唯一活法 — tszzl · 2026-10-26
- 马里奥之父宫本茂谈生成式 AI：人人都能做游戏的时代已经到来 — RachelVT42 · 2026-10-26
- 塔勒布：AI 冲击就业先从招聘崩塌开始，而非裁员 — andreisavu · 2026-10-26
- Baym 提醒：现有算力远不足以暴力破解生物学难题 — KevinKaichuang · 2026-10-26
- NYT 撰文：AI 投资热潮像极 2008 年房地产泡沫 — nordicinst · 2026-10-26