基于因果指导的主动学习用于大型语言模型的去偏见

本研究解决了现有大型语言模型中存在的数据集偏见问题，这些偏见会影响模型的普适性及生成质量。通过提出一种结合因果机制的主动学习框架，利用模型自身自动识别信息偏见样本并引导偏见模式，实现了有效的去偏见方法。实验结果表明，该方法可有效识别典型偏见实例，从而提高大型语言模型的可靠性。