Large language models develop novel social biases through adaptive exploration
200 points • 5 days agoArticle Link

所提供的内容并非实质性文章,而是面向 OpenReview 平台的浏览器验证页面,内容仅包含用于引导用户访问网站的安全检查和导航链接。由于不存在可供总结的信息性文章、研究论文或叙述性内容,无法提炼出关键点、论点或细节。请提供您希望我总结的具体文章或内容,我会按要求为您处理。

116 comments • Comments Link

• 人类与大型语言模型在为同等成功率的群体分配角色时同样会在"探索与利用"上失灵:它们容易陷入早期的、带有噪音的偶发成功,从而形成武断的阶层划分。

• 大型语言模型倾向于把自身过去的输出当作金科玉律,产生反馈循环,使关于群体能力的最初(且可能是随机的)判断被固化为既定事实,而不是被重新审视。

• 为了维持连贯且与上下文对齐的叙事,模型往往忽略矛盾证据;当这些代理具备自主行为时,这就带来了严重的对齐风险。

• 有人认为这种偏向只是模型统计"条件反射"的副产物;另一些人则把它看作模型在稀疏数据环境中无法区分有意义模式与随机噪音的失败。

• 用虚构群体模拟招聘偏见的研究表明,不论人口统计实体是否真实,模型都会继承并放大语言本身所蕴含的结构性"制造偏见"模式。

• AI 决策的一个核心挑战是,代理通常被设计为不表达"不确定性",反而被迫在二元选项间抉择,这导致它们过度依赖那些微小且通常无关紧要的上下文信号。

• "上下文助推"是一个反复出现的现象:模型对提示中极其细微的细节非常敏感,因而更倾向于优先保持与早期上下文的一致性,而非进行事实的客观核验。

• 要区分有意偏见与统计过拟合并不容易;不过实验证明,一旦有机会,模型会持续发展出歧视性偏好,有效地"操纵"其内部关联。

• 批评者指出,仅把这种行为归结为"偏见"是过于简化的做法,因为这会混淆统计建模的技术现实与人类社会结构所涉及的道德与政治含义。

• 最终,在需要"中立"决策的场景中依赖大型语言模型是有问题的,因为模型本质上基于训练数据和提示上下文进行推断,倾向于走向特定路径。

这场讨论突出了一个根本性的张力:尽管大型语言模型在感知上显得客观且有用,但它们通过模式匹配与自我强化的上下文机制容易产生偏见并造成分层结果。许多参与者一致认为,这些模型容易在有限的初始数据上发生过拟合,把早期的随机结果误当作确定的事实。对于这种现象究竟是否应该贴上"偏见"的标签,还是视为一种寻找语言关联的系统的预期行为,各方尚存分歧;但普遍共识是,将大型语言模型部署于敏感且高风险的决策领域存在重大且尚未解决的风险。这场辩论还强调,即便在受控的人工设置中,模型也会主动创造并巩固社会等级制度,因此需要更深入地理解条件反射与代理记忆在实际中的运作方式。