Fugu-MT 論文翻訳(概要): Navigating Nuance: In Quest for Political Truth

論文の概要: Navigating Nuance: In Quest for Political Truth

arxiv url: http://arxiv.org/abs/2501.00782v1
Date: Wed, 01 Jan 2025 09:24:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-05 17:15:27.814588
Title: Navigating Nuance: In Quest for Political Truth
Title（参考訳）: Navigating Nuance: 政治真理の探求
Authors: Soumyadeep Sar, Dwaipayan Roy,
Abstract要約: メディアバイアス識別ベンチマーク(MBIB)を用いたLlama-3(70B)言語モデルの性能評価を行った。本研究は、政治的偏見を検出することの課題と、将来のモデルを強化するための伝達学習手法の可能性を強調した。
参考スコア（独自算出の注目度）: 1.4127714091330967
License:
Abstract: This study investigates the several nuanced rationales for countering the rise of political bias. We evaluate the performance of the Llama-3 (70B) language model on the Media Bias Identification Benchmark (MBIB), based on a novel prompting technique that incorporates subtle reasons for identifying political leaning. Our findings underscore the challenges of detecting political bias and highlight the potential of transfer learning methods to enhance future models. Through our framework, we achieve a comparable performance with the supervised and fully fine-tuned ConvBERT model, which is the state-of-the-art model, performing best among other baseline models for the political bias task on MBIB. By demonstrating the effectiveness of our approach, we contribute to the development of more robust tools for mitigating the spread of misinformation and polarization. Our codes and dataset are made publicly available in github.
Abstract（参考訳）: 本研究では、政治的偏見の台頭に対処するためのいくつかのニュアンスな理性について考察する。メディアバイアス識別ベンチマーク(MBIB)を用いたLlama-3(70B)言語モデルの性能評価を行った。本研究は、政治的偏見を検出することの課題と、将来のモデルを強化するための伝達学習手法の可能性を強調した。本研究では,MBIBにおける政治的偏見課題のベースラインモデルとして,最先端のモデルである,教師付きかつ完全に微調整されたConvBERTモデルと同等のパフォーマンスを実現する。提案手法の有効性を実証することにより,誤報や偏光の拡散を緩和する,より堅牢なツールの開発に寄与する。私たちのコードとデータセットはgithubで公開されています。

関連論文リスト

Balancing Transparency and Accuracy: A Comparative Analysis of Rule-Based and Deep Learning Models in Political Bias Classification [5.550237524713089]
この研究は、制約のないデータ摂取に対する現代の自己学習システムの感受性を強調している。両モデルを左利き(CNN)と右利き(FOX)のニュース記事に適用し、元のトレーニングやテストセットを超えたデータ上での有効性を評価する。深層学習モデルの不透明なアーキテクチャと言語情報に基づくルールベースモデルの透明性を対比する。
論文参考訳（メタデータ） (2024-11-07T00:09:18Z)
Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
論文参考訳（メタデータ） (2024-07-19T14:53:18Z)
Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文参考訳（メタデータ） (2024-07-16T05:52:26Z)
P^3SUM: Preserving Author's Perspective in News Summarization with Diffusion Language Models [57.571395694391654]
既存のアプローチは、要約の50%以上で、ニュース記事の政治的意見やスタンスを変えている。政治的視点分類器によって制御される拡散モデルに基づく要約手法であるP3SUMを提案する。 3つのニュース要約データセットの実験により、P3SUMは最先端の要約システムより優れていることが示された。
論文参考訳（メタデータ） (2023-11-16T10:14:28Z)
Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
論文参考訳（メタデータ） (2023-11-15T00:02:25Z)
Quantitative Analysis of Forecasting Models:In the Aspect of Online Political Bias [0.0]
ソーシャルメディア投稿を5つの異なる政治傾向カテゴリーに分類する手法を提案する。我々のアプローチは、政治的イデオロギーの異なる2つのソーシャルメディアデータセット上で、既存の時系列予測モデルを活用することである。
論文参考訳（メタデータ） (2023-09-11T16:17:24Z)
Mitigating Political Bias in Language Models Through Reinforced Calibration [6.964628305312507]
GPT-2 世代における政治的偏見を測定する指標について述べる。生成テキストにおける政治的バイアスを緩和するための強化学習(RL)フレームワークを提案する。
論文参考訳（メタデータ） (2021-04-30T07:21:30Z)
Delving into Data: Effectively Substitute Training for Black-box Attack [84.85798059317963]
本稿では,知識盗むプロセスで使用されるデータの分散設計に焦点をあてた,新しい視点代替トレーニングを提案する。これら2つのモジュールの組み合わせにより、代替モデルとターゲットモデルの一貫性がさらに向上し、敵攻撃の有効性が大幅に向上する。
論文参考訳（メタデータ） (2021-04-26T07:26:29Z)
Inflating Topic Relevance with Ideology: A Case Study of Political Ideology Bias in Social Topic Detection Models [16.279854003220418]
トレーニングデータにおける政治的イデオロギーバイアスの影響について検討する。私たちの研究は、人間の選択した入力からバイアスを伝達する、大規模で複雑なモデルの受容性を強調します。偏見を緩和する手段として,政治的イデオロギーに不変なテキスト表現の学習を提案する。
論文参考訳（メタデータ） (2020-11-29T05:54:03Z)
We Can Detect Your Bias: Predicting the Political Ideology of News Articles [35.761722515882646]
我々は、政治的イデオロギーのために手動で注釈付けされた34,737項目のデータセットを公表した。私たちは、テスト例がトレーニング中に見られなかったメディアから得られる、挑戦的な実験的なセットアップを使用しています。実験結果から,最先端の事前学習型トランスに比べて非常に大きな改善が得られた。
論文参考訳（メタデータ） (2020-10-11T20:27:55Z)
On the model-based stochastic value gradient for continuous reinforcement learning [50.085645237597056]
モデルベースエージェントは,サンプル効率と最終報酬の両方の観点から,最先端のモデルフリーエージェントより優れていることを示す。以上の結果から,モデルに基づく政策評価がより注目に値することが示唆された。
論文参考訳（メタデータ） (2020-08-28T17:58:29Z)

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。