Evaluating Large Language Model Biases in Persona-Steered Generation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Liu, Andy, Diab, Mona, Fried, Daniel |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Generative Value Conflicts Reveal LLM Priorities
par: Liu, Andy, et autres
Publié: (2025)
par: Liu, Andy, et autres
Publié: (2025)
Biases Propagate in Encoder-based Vision-Language Models: A Systematic Analysis From Intrinsic Measures to Zero-shot Retrieval Outcomes
par: Ghate, Kshitish, et autres
Publié: (2025)
par: Ghate, Kshitish, et autres
Publié: (2025)
Beyond Static Personas: Situational Personality Steering for Large Language Models
par: Wei, Zesheng, et autres
Publié: (2026)
par: Wei, Zesheng, et autres
Publié: (2026)
Investigating Cultural Alignment of Large Language Models
par: AlKhamissi, Badr, et autres
Publié: (2024)
par: AlKhamissi, Badr, et autres
Publié: (2024)
BILLY: Steering Large Language Models via Merging Persona Vectors for Creative Generation
par: Pai, Tsung-Min, et autres
Publié: (2025)
par: Pai, Tsung-Min, et autres
Publié: (2025)
DSPA: Dynamic SAE Steering for Data-Efficient Preference Alignment
par: Wedgwood, James, et autres
Publié: (2026)
par: Wedgwood, James, et autres
Publié: (2026)
Automatic Generation of Model and Data Cards: A Step Towards Responsible AI
par: Liu, Jiarui, et autres
Publié: (2024)
par: Liu, Jiarui, et autres
Publié: (2024)
The Impact of Steering Large Language Models with Persona Vectors in Educational Applications
par: Wu, Yongchao, et autres
Publié: (2026)
par: Wu, Yongchao, et autres
Publié: (2026)
RefusalBench: Generative Evaluation of Selective Refusal in Grounded Language Models
par: Muhamed, Aashiq, et autres
Publié: (2025)
par: Muhamed, Aashiq, et autres
Publié: (2025)
A Note on Bias to Complete
par: Xu, Jia, et autres
Publié: (2024)
par: Xu, Jia, et autres
Publié: (2024)
Personal Information Parroting in Language Models
par: Subramani, Nishant, et autres
Publié: (2026)
par: Subramani, Nishant, et autres
Publié: (2026)
Beyond Understanding: Evaluating the Pragmatic Gap in LLMs' Cultural Processing of Figurative Language
par: Attia, Mena, et autres
Publié: (2025)
par: Attia, Mena, et autres
Publié: (2025)
BIG5-CHAT: Shaping LLM Personalities Through Training on Human-Grounded Data
par: Li, Wenkai, et autres
Publié: (2024)
par: Li, Wenkai, et autres
Publié: (2024)
Towards Valid Student Simulation with Large Language Models
par: Yuan, Zhihao, et autres
Publié: (2026)
par: Yuan, Zhihao, et autres
Publié: (2026)
Synthetic Socratic Debates: Examining Persona Effects on Moral Decision and Persuasion Dynamics
par: Liu, Jiarui, et autres
Publié: (2025)
par: Liu, Jiarui, et autres
Publié: (2025)
LLM Microscope: What Model Internals Reveal About Answer Correctness and Context Utilization
par: Liu, Jiarui, et autres
Publié: (2025)
par: Liu, Jiarui, et autres
Publié: (2025)
Invisible Influences: Investigating Implicit Intersectional Biases through Persona Engineering in Large Language Models
par: Arimanda, Nandini, et autres
Publié: (2026)
par: Arimanda, Nandini, et autres
Publié: (2026)
Emotion Classification in Low and Moderate Resource Languages
par: Tafreshi, Shabnam, et autres
Publié: (2024)
par: Tafreshi, Shabnam, et autres
Publié: (2024)
Persona Setting Pitfall: Persistent Outgroup Biases in Large Language Models Arising from Social Identity Adoption
par: Dong, Wenchao, et autres
Publié: (2024)
par: Dong, Wenchao, et autres
Publié: (2024)
Style Vectors for Steering Generative Large Language Model
par: Konen, Kai, et autres
Publié: (2024)
par: Konen, Kai, et autres
Publié: (2024)
Evaluating and Steering Modality Preferences in Multimodal Large Language Model
par: Zhang, Yu, et autres
Publié: (2025)
par: Zhang, Yu, et autres
Publié: (2025)
Combining Discrete Wavelet and Cosine Transforms for Efficient Sentence Embedding
par: Salama, Rana, et autres
Publié: (2025)
par: Salama, Rana, et autres
Publié: (2025)
EVALUESTEER: Measuring Reward Model Steerability Towards Values and Preferences
par: Ghate, Kshitish, et autres
Publié: (2025)
par: Ghate, Kshitish, et autres
Publié: (2025)
Measuring Stereotype and Deviation Biases in Large Language Models
par: Wang, Daniel, et autres
Publié: (2025)
par: Wang, Daniel, et autres
Publié: (2025)
Steering Large Language Models to Evaluate and Amplify Creativity
par: Olson, Matthew Lyle, et autres
Publié: (2024)
par: Olson, Matthew Lyle, et autres
Publié: (2024)
Robust Evaluation Measures for Evaluating Social Biases in Masked Language Models
par: Liu, Yang
Publié: (2024)
par: Liu, Yang
Publié: (2024)
Persona Jailbreaking in Large Language Models
par: Sandhan, Jivnesh, et autres
Publié: (2026)
par: Sandhan, Jivnesh, et autres
Publié: (2026)
CoRAG: Collaborative Retrieval-Augmented Generation
par: Muhamed, Aashiq, et autres
Publié: (2025)
par: Muhamed, Aashiq, et autres
Publié: (2025)
Analyzing the Role of Semantic Representations in the Era of Large Language Models
par: Jin, Zhijing, et autres
Publié: (2024)
par: Jin, Zhijing, et autres
Publié: (2024)
Can Large Language Models Infer Causation from Correlation?
par: Jin, Zhijing, et autres
Publié: (2023)
par: Jin, Zhijing, et autres
Publié: (2023)
JiraiBench: A Bilingual Benchmark for Evaluating Large Language Models' Detection of Human Self-Destructive Behavior Content in Jirai Community
par: Xiao, Yunze, et autres
Publié: (2025)
par: Xiao, Yunze, et autres
Publié: (2025)
Decoding Dark Matter: Specialized Sparse Autoencoders for Interpreting Rare Concepts in Foundation Models
par: Muhamed, Aashiq, et autres
Publié: (2024)
par: Muhamed, Aashiq, et autres
Publié: (2024)
Psychological Steering of Large Language Models
par: Blas, Leonardo, et autres
Publié: (2026)
par: Blas, Leonardo, et autres
Publié: (2026)
Decomposing and Steering Functional Metacognition in Large Language Models
par: Li, Yanshi, et autres
Publié: (2026)
par: Li, Yanshi, et autres
Publié: (2026)
Semantic Compression for Word and Sentence Embeddings using Discrete Wavelet Transform
par: Salama, Rana Aref, et autres
Publié: (2025)
par: Salama, Rana Aref, et autres
Publié: (2025)
BiasCause: Evaluate Socially Biased Causal Reasoning of Large Language Models
par: Xie, Tian, et autres
Publié: (2025)
par: Xie, Tian, et autres
Publié: (2025)
StressRoBERTa: Cross-Condition Transfer Learning from Depression, Anxiety, and PTSD to Stress Detection
par: Alqahtani, Amal, et autres
Publié: (2025)
par: Alqahtani, Amal, et autres
Publié: (2025)
DWTSumm: Discrete Wavelet Transform for Document Summarization
par: Salama, Rana, et autres
Publié: (2026)
par: Salama, Rana, et autres
Publié: (2026)
Evaluating Cultural Adaptability of a Large Language Model via Simulation of Synthetic Personas
par: Kwok, Louis, et autres
Publié: (2024)
par: Kwok, Louis, et autres
Publié: (2024)
Taming Object Hallucinations with Verified Atomic Confidence Estimation
par: Liu, Jiarui, et autres
Publié: (2025)
par: Liu, Jiarui, et autres
Publié: (2025)
Documents similaires
-
Generative Value Conflicts Reveal LLM Priorities
par: Liu, Andy, et autres
Publié: (2025) -
Biases Propagate in Encoder-based Vision-Language Models: A Systematic Analysis From Intrinsic Measures to Zero-shot Retrieval Outcomes
par: Ghate, Kshitish, et autres
Publié: (2025) -
Beyond Static Personas: Situational Personality Steering for Large Language Models
par: Wei, Zesheng, et autres
Publié: (2026) -
Investigating Cultural Alignment of Large Language Models
par: AlKhamissi, Badr, et autres
Publié: (2024) -
BILLY: Steering Large Language Models via Merging Persona Vectors for Creative Generation
par: Pai, Tsung-Min, et autres
Publié: (2025)