arXiv cs.CL· Dave Murray-Rust, Elisa Giaccardi, Federico Bomba, Maria Luce Lupetti·· 10 小时前AI 评分20
从偏见到位格性：面向大语言模型的批判性语法
From Bias to Positionality: A critical grammar for Large Language Models
AI 导读
研究者提出用“位格性”（positionality）替代“偏见”作为理解大语言模型的语法，指模型总是从某个被定位、可争议的位置说话，而非“无处”或“无处不在”。该框架将模型位格性分为层叠结构，横跨语料、微调、系统提示词、应用与实时对话，并区分创作者位格性、预期行为与实际行为三组因素。
正文 · AI 翻译
摘要：偏见已成为理解机器学习系统做什么以及我们应如何与之相处的默认视角。偏见从根本上是对标准的偏离；在决策系统中，我们可以从外部提供标准：法律、受保护属性、基准、统计特性。然而，即便在那里，“有偏”也常被用作简写，而未说明所采取的立场是什么——一个沉默的“相对于”。在语言模型的一般使用中，没有任何东西提供标准：没有可审计的决策，也没有反事实输出，因此这种简写失效了。我们认为，立场性——任何言说所出自的、被定位、被阐明、被拥有且可被质疑的立场——是应对这些模型如今迫使我们面对的问题的更好语法：谁在说话，从何处说？针对供应商“无处”的回答以及“处处”这一诱人可能性，我们认为，当一个模型被当作仿佛在说话时，它从某处说话，这意味着立场性可以描述模型，以及它们被超出其保证地相信的方式，尽管它们并非可问责的言说者。一个模型的立场性是层流的——铺展于语料、调优、系统提示、应用和实时对话之中。我们区分三组因素：模型创造者的立场性、他们为其意图的行为，以及它实际实施的行为，并将当前工作置于这一矩阵之中。这使我们能够突出每一层从下层继承了什么，以及在这种继承被否认之处出现的断裂与崩塌。然后我们回到模型从何处说话的问题，并讨论这对模型如何被制造、解读和问责的含义。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2611.14079 [cs.CL] |
| （或 arXiv:2611.14079v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14079 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dave Murray-Rust [查看电子邮件]
[v1]
2026年11月10日星期二 13:41:18 UTC（212 KB）
来源：arXiv cs.CL · arxiv.org