本研究探讨了泛化句子的隐性量化和上下文敏感性，创建了包含2873个句子的ConGen数据集，发现泛化句对上下文的敏感性更强，约20%表现出弱泛化，反映了人类偏见。

该论文综述了大型语言模型（LLMs）在角色扮演和个性化方面的研究，探讨了模型在模拟人类偏见时的表现及其局限性。研究表明，LLMs在生成文本时可能存在偏见，尤其是与社会群体刻板印象相关。个性化提示对模型推理能力有显著影响，但在多样性模拟中效果有限。强调了纠正AI偏见的重要性。

本文研究了预训练语言模型中的人类偏见及其对不同人群的影响。提出了新的评估框架来测量和量化语言模型的偏见，并使用该框架调查了GPT-3的职业性别偏见，并提出了缓解这些偏见的技术。

本文研究了预训练语言模型中的人类偏见及其对不同人群的影响。提出了新的评估框架以测量和量化语言模型的偏见，并调查了GPT-3的职业性别偏见，并提出了缓解这些偏见的技术。

本文研究了预训练语言模型中的人类偏见及其对不同人口群体的影响，并提出了新的评估框架以更稳健地测量和量化语言模型所表现出的偏见。使用该框架调查了GPT-3的职业性别偏见，并提出了一些缓解这些偏见的提示技术。