研究探讨预训练语言模型中的偏见和可解释性,提出“偏见归因得分”方法。发现东南亚多语言模型存在性别歧视和恐同偏见,尤其在犯罪、亲密关系和互助主题上明显。使用时需谨慎。
完成下面两步后,将自动完成登录并继续当前操作。