研究揭示大模型位置偏见跨规模跨语言表现

Yining Li、Huayang Li、Lemao Liu、Taro Watanabe 发表研究，考察大语言模型在十亿级至万亿级参数规模、五种语言下的多项选择题和多文档任务中的位置偏见。实验显示，小规模模型和非英语语言中位置偏见依然明显；增大模型规模与采用标准 Chain-of-Thought 提示可显著缓解该问题。 研究还发现，具备扩展推理能力的思考模型几乎不受位置偏见影响，作者据此提示这是一条成本较高但通用的解决路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。