检视超参数调整对GPT-4同质性偏见的鲁棒性

本研究探讨了视觉-语言模型在超参数调整下的同质性偏见问题，特别关注了采样温度和top p如何影响模型输出中的社会刻板印象。研究发现，尽管超参数调整可以在某种程度上减轻特定偏见，但同质性偏见在大多数情况下依然显著存在，并且对不同社会群体的影响存在非线性模式，表明超参数调优并非解决所有群体维度偏见的普遍方案。