arXiv cs.CL· Yuchen Miao, Zijun Wang, Chang Han, Yurui Shi, Mingtai Zhang, Siyang Xu·· 9 天前AI 评分22
MARS-Gov：面向荷兰政府文档官僚偏见检测的开集立场筛查框架
The "10th Juror": Open-Set Standpoint Screening for Bureaucratic Bias Detection
AI 导读
MARS-Gov 是一个立场感知的多智能体框架，结合法律检索、开集目标筛查、专业陪审员、保守路由与改写验证，用于荷兰政府文档的闭环偏见治理。在 DGDB 上以 0.880 F1 刷新 SOTA，超过最强零样本 LLM 检测器 20.2 分（相对提升 29.8%）、最佳监督式荷兰语编码器 6.8 分，并将不必要干预降至 2.5%。
正文 · AI 翻译
摘要：预设偏见的边界本身就是一种偏见。我们研究荷兰政府文件的闭环偏见治理，其中系统必须检测有偏见的语言，将决策建立在法律和上下文证据之上，在需要干预时重写有问题的句子，并验证重写在不扭曲含义的情况下减轻了伤害。现有方法面临三个挑战：(i) 判别式分类器捕捉表面规律但缺乏规范性依据；(ii) 零样本 LLM 往往采用通用观点，并过度标记模糊的行政语言；(iii) 固定分类法继承了封闭世界假设，遗漏了新兴的本地目标。我们提出 MARS-Gov，一个立场感知的多智能体框架，结合了法律检索、开放集目标筛查、专业陪审员、保守路由和重写验证。当筛查发现未覆盖的群体时，MARS-Gov 会实例化一个动态的“第 10 位陪审员”，在固定小组之外进行审议。在 DGDB 上，MARS-Gov 以 0.880 F1 创下新的 SOTA，比最强的零样本 LLM 检测器高出 20.2 分（相对提升 29.8%），比最佳监督式荷兰语编码器高出 6.8 分，同时将不必要的干预降至 2.5%。留一类别（LOCO）评估以 85.1% 的 Correct@1 和 93.8% 的 Correct@3 恢复了留出类别。
| 评论： | 19 页，6 张图。已被 EMNLP 2026 接收 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11136 [cs.CL] |
| （或 arXiv:2610.11136v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11136 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zijun Wang [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 03:05:08 UTC（924 KB）
来源：arXiv cs.CL · arxiv.org