論文の概要: Quantitative Certification of Bias in Large Language Models

• arxiv url: http://arxiv.org/abs/2405.18780v2
• Date: Sun, 20 Oct 2024 18:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:14:30.780477
• Title: Quantitative Certification of Bias in Large Language Models
• Title（参考訳）: 大規模言語モデルにおけるバイアスの定量化
• Authors: Isha Chaudhary, Qian Hu, Manoj Kumar, Morteza Ziyadi, Rahul Gupta, Gagandeep Singh,
• Abstract要約: 大規模言語モデル(LLM)は、表現障害を引き起こすバイアスのある応答を生成することができる。 提案するQuaCer-Bは,プロンプトの分布の偏りをLLMに認定する。
• 参考スコア（独自算出の注目度）: 18.91760463088026
• License:
• Abstract: Large Language Models (LLMs) can produce biased responses that can cause representational harms. However, conventional studies are insufficient to thoroughly evaluate LLM bias, as they can not scale to large number of inputs and provide no guarantees. Therefore, we propose the first framework, QuaCer-B that certifies LLMs for bias on distributions of prompts. A certificate consists of high-confidence bounds on the probability of unbiased LLM responses for any set of prompts mentioning various demographic groups, sampled from a distribution. We illustrate the bias certification for distributions of prompts created by applying varying prefixes drawn from a prefix distributions, to a given set of prompts. We consider prefix distributions for random token sequences, mixtures of manual jailbreaks, and jailbreaks in the LLM's embedding space to certify bias. We obtain non-trivial certified bounds on the probability of unbiased responses of SOTA LLMs, exposing their vulnerabilities over distributions of prompts generated from computationally inexpensive distributions of prefixes.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、表現障害を引き起こすバイアスのある応答を生成することができる。 しかし、従来の研究では、多数の入力にスケールできず、保証が得られないため、LSMバイアスを徹底的に評価するには不十分である。 そこで本研究では,最初のフレームワークであるQuaCer-Bを提案する。 証明書は、分布からサンプリングされた様々な人口集団に言及するプロンプトの集合に対して、不偏のLSM応答の確率に関する高信頼境界から構成される。 プレフィックス分布から引き出された様々なプレフィックスを与えられたプロンプト集合に適用することにより生成されたプロンプトの分布に対するバイアス認証について述べる。 ランダムトークン列のプレフィックス分布,手動ジェイルブレイクの混合,およびLDMの埋め込み空間におけるジェイルブレイクの偏りの証明について検討した。 我々は,SOTA LLMの非バイアス応答の確率に関する非自明な証明境界を求め,計算的に安価なプレフィックス分布から生成されたプロンプトの分布に対する脆弱性を明らかにする。

関連論文リスト

• Explicit Inductive Inference using Large Language Models [13.767536248988268]
  大規模言語モデル(LLM)は、推論タスクに対して望ましくない証明バイアスを負うと報告されている。 このバイアスを利用して明示的な帰納的推論を行うパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-26T17:58:17Z)
• Promoting Equality in Large Language Models: Identifying and Mitigating the Implicit Bias based on Bayesian Theory [29.201402717025335]
  大規模言語モデル(LLM)は、必然的にバイアスのある情報を含む広範なテキストコーパスで訓練される。 我々は、暗黙のバイアス問題を正式に定義し、ベイズ理論に基づくバイアス除去のための革新的な枠組みを開発した。
  論文  参考訳（メタデータ） (2024-08-20T07:40:12Z)
• Editable Fairness: Fine-Grained Bias Mitigation in Language Models [52.66450426729818]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Cycles of Thought: Measuring LLM Confidence through Stable Explanations [53.15438489398938]
  大規模言語モデル(LLM)は、様々なベンチマークで人間レベルの精度に到達し、さらに超えることができるが、不正確な応答における過度な自信は、依然として十分に文書化された障害モードである。 本稿では,LLMの不確実性を測定するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-05T16:35:30Z)
• Self-Debiasing Large Language Models: Zero-Shot Recognition and Reduction of Stereotypes [73.12947922129261]
  ステレオタイピングを減らすために,大規模言語モデルのゼロショット機能を活用している。 自己嫌悪は、9つの異なる社会集団におけるステレオタイピングの度合いを著しく低下させることが示される。 この研究が、バイアス軽減のための他のゼロショット技術に関する調査をオープンにすることを願っている。
  論文  参考訳（メタデータ） (2024-02-03T01:40:11Z)
• Decomposing Uncertainty for Large Language Models through Input Clarification Ensembling [69.83976050879318]
  大規模言語モデル(LLM)では、不確実性の原因を特定することが、信頼性、信頼性、解釈可能性を改善するための重要なステップである。 本稿では,LLMのための不確実性分解フレームワークについて述べる。 提案手法は,入力に対する一連の明確化を生成し,それらをLLMに入力し,対応する予測をアンサンブルする。
  論文  参考訳（メタデータ） (2023-11-15T05:58:35Z)
• Large Language Models Are Not Robust Multiple Choice Selectors [117.72712117510953]
  複数選択質問(MCQ)は、大規模言語モデル(LLM)の評価において、一般的なが重要なタスク形式として機能する。 この研究は、現代のLLMが、その固有の「選択バイアス」によるオプション位置変化に対して脆弱であることを示している。 そこで本研究では,オプションIDに対する事前バイアスを全体予測分布から分離するPriDeという,ラベルのない推論時間脱バイアス手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T17:44:56Z)
• Conformal Language Modeling [61.94417935386489]
  生成言語モデル(LM)の共形予測のための新しい手法を提案する。 標準共形予測は厳密で統計的に保証された予測セットを生成する。 我々は,オープンドメイン質問応答,テキスト要約,ラジオロジーレポート生成において,複数のタスクに対するアプローチの約束を実証する。
  論文  参考訳（メタデータ） (2023-06-16T21:55:08Z)
• Gray Learning from Non-IID Data with Out-of-distribution Samples [45.788789553551176]
  専門家が注釈を付けたとしても、トレーニングデータの完全性は保証されていない。 我々は,基本真実と相補的ラベルを両立させる新しいアプローチであるtextitGray Learningを導入する。 統計学習理論における我々のアプローチを基礎として、一般化誤差の境界を導出し、GLが非IID設定でも厳密な制約を達成できることを実証する。
  論文  参考訳（メタデータ） (2022-06-19T10:46:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。