研究：LLM标注器将第二人称误判为毒性

Liang Yue 与 Eric A. Vance 发表的研究发现，LLM 标注器会把第二人称“you”误判为毒性，从而制造出人类标注中不存在的规律。在 125 万条新闻评论上，Claude Haiku 对不含“you”的无毒评论标记率为 12%，对含四个及以上“you”的评论标记率达 51%；单个人工标注者对应的标记率分别为 6% 和 10%。研究称，Claude Haiku 等七款模型均存在过度标记“you”的问题。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。