論文の概要: Language is Scary when Over-Analyzed: Unpacking Implied Misogynistic Reasoning with Argumentation Theory-Driven Prompts

• arxiv url: http://arxiv.org/abs/2409.02519v1
• Date: Wed, 4 Sep 2024 08:27:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-05 19:41:01.662723
• Title: Language is Scary when Over-Analyzed: Unpacking Implied Misogynistic Reasoning with Argumentation Theory-Driven Prompts
• Title（参考訳）: 言語が過度に分析されるとき - 具体的理論駆動型プロンプトによる暗黙的推論を解き放つ
• Authors: Arianna Muti, Federico Ruggeri, Khalid Al-Khatib, Alberto Barrón-Cedeño, Tommaso Caselli,
• Abstract要約: 代名詞的推論タスクとして誤検出を提案する。 イタリア語と英語の両方で誤字を伝えるために用いられる暗黙の推論を理解するために,大規模言語モデルの能力について検討する。
• 参考スコア（独自算出の注目度）: 17.259767031006604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose misogyny detection as an Argumentative Reasoning task and we investigate the capacity of large language models (LLMs) to understand the implicit reasoning used to convey misogyny in both Italian and English. The central aim is to generate the missing reasoning link between a message and the implied meanings encoding the misogyny. Our study uses argumentation theory as a foundation to form a collection of prompts in both zero-shot and few-shot settings. These prompts integrate different techniques, including chain-of-thought reasoning and augmented knowledge. Our findings show that LLMs fall short on reasoning capabilities about misogynistic comments and that they mostly rely on their implicit knowledge derived from internalized common stereotypes about women to generate implied assumptions, rather than on inductive reasoning.
• Abstract（参考訳）: 本稿では,日本語とイタリア語の両方で誤語を伝達する暗黙的推論を理解するために,大規模言語モデル(LLM)の能力について検討する。 中心的な目的は、メッセージと誤字をエンコードする暗黙の意味の間の欠落した推論リンクを生成することである。 本研究は議論理論を基礎としてゼロショットと少数ショットの両方でプロンプトの集合を形成する。 これらのプロンプトは、チェーン・オブ・ソート推論や強化された知識など、さまざまなテクニックを統合する。 以上の結果から, LLM は疑義的コメントに対する推論能力に乏しく, インダクティブ推論よりもインダクティブ推論(インダクティブ推論)を創出するために, 女性に関する内在的な共通ステレオタイプに起因した暗黙的知識に大きく依存していることが示唆された。

関連論文リスト

• Adaptable Moral Stances of Large Language Models on Sexist Content: Implications for Society and Gender Discourse [17.084339235658085]
  8つのモデルがすべて、理解しやすく、文脈的に関係のあるテキストを生成することを示す。 我々は,性差別的言語を正当化するLLMの誤用の可能性に注意する。
  論文  参考訳（メタデータ） (2024-09-30T19:27:04Z)
• A multitask learning framework for leveraging subjectivity of annotators to identify misogyny [47.175010006458436]
  本研究では,誤識別システムの性能向上を目的としたマルチタスク学習手法を提案する。 6つのプロファイルグループにまたがる性別と年齢を考慮したモデル設計において,アノテータからさまざまな視点を取り入れた。 本研究は、コンテンツモデレーションを推進し、効果的なオンラインモデレーションシステムを構築するための多様な視点を受け入れることの重要性を強調している。
  論文  参考訳（メタデータ） (2024-06-22T15:06:08Z)
• LogicBench: Towards Systematic Evaluation of Logical Reasoning Ability of Large Language Models [52.03659714625452]
  最近開発された大規模言語モデル (LLM) は、幅広い言語理解タスクにおいて非常によく機能することが示されている。 しかし、それらは自然言語に対して本当に「理性」があるのだろうか? この疑問は研究の注目を集めており、コモンセンス、数値、定性的など多くの推論技術が研究されている。
  論文  参考訳（メタデータ） (2024-04-23T21:08:49Z)
• PejorativITy: Disambiguating Pejorative Epithets to Improve Misogyny Detection in Italian Tweets [11.224028161937296]
  語レベルではイタリア語のツイートを手動で注釈付けし,文レベルでは誤用する新しいコーパスであるPejorativITyを提示する。 本研究では,不明瞭な単語に関する情報を誤検出を対象とするモデルに注入する効果を評価する。
  論文  参考訳（メタデータ） (2024-04-03T12:24:48Z)
• Exploratory Data Analysis on Code-mixed Misogynistic Comments [0.0]
  我々は、ミックスコードHinglishでYouTubeコメントの新しいデータセットを提示する。 これらのコメントは「ミソジニスト」と「非ミソジニスト」とラベル付けされている。
  論文  参考訳（メタデータ） (2024-03-09T23:21:17Z)
• Evaluating Gender Bias in Large Language Models via Chain-of-Thought Prompting [87.30837365008931]
  CoT(Chain-of-Thought)プロンプトを備えた大規模言語モデル(LLM)は、計算不能なタスクでも正確なインクリメンタルな予測を行うことができる。 本研究では,LLMのステップバイステップ予測が性差に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2024-01-28T06:50:10Z)
• Measuring Misogyny in Natural Language Generation: Preliminary Results from a Case Study on two Reddit Communities [7.499634046186994]
  自然言語生成における誤語測定の課題について考察する。 Redditでは2つの優れたIncelコミュニティのデータを使用します。
  論文  参考訳（メタデータ） (2023-12-06T07:38:46Z)
• Towards a Mechanistic Interpretation of Multi-Step Reasoning Capabilities of Language Models [107.07851578154242]
  言語モデル(LM)は強力な多段階推論能力を持つ。 LMが事前学習コーパスから記憶された回答を不正に処理するか,多段階推論機構を用いてタスクを実行するかは明らかでない。 メカニスティックプローブは,ほとんどの例において,モデルの注意から推論ツリーの情報を検出することができることを示す。
  論文  参考訳（メタデータ） (2023-10-23T01:47:29Z)
• Large Language Models are In-Context Semantic Reasoners rather than Symbolic Reasoners [75.85554779782048]
  大規模言語モデル(LLM)は、近年、自然言語と機械学習コミュニティを興奮させています。 多くの成功を収めたアプリケーションにもかかわらず、そのようなコンテキスト内機能の基盤となるメカニズムはまだ不明である。 本研究では,学習した言語トークンのテクストセマンティクスが推論過程において最も重い処理を行うと仮定する。
  論文  参考訳（メタデータ） (2023-05-24T07:33:34Z)
• Did they answer? Subjective acts and intents in conversational discourse [48.63528550837949]
  英会話の複数の主観的かつ主観的な解釈を含む最初の対話データセットを提示する。 意見の相違が曖昧であることを示し、異なる文脈要因についてより深く理解する必要がある。
  論文  参考訳（メタデータ） (2021-04-09T16:34:19Z)

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。