Buchumschlag

Standard Language Ideology in AI-Generated Language

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Smith, Genevieve, Fleisig, Eve, Bossi, Madeline, Rustagi, Ishita, Yin, Xavier
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Linguistic Bias in ChatGPT: Language Models Reinforce Dialect Discrimination
von: Fleisig, Eve, et al.
Veröffentlicht: (2024)

First Tragedy, then Parse: History Repeats Itself in the New Era of Large Language Models
von: Saphra, Naomi, et al.
Veröffentlicht: (2023)

Ghostbuster: Detecting Text Ghostwritten by Large Language Models
von: Verma, Vivek, et al.
Veröffentlicht: (2023)

When the Majority is Wrong: Modeling Annotator Disagreement for Subjective Tasks
von: Fleisig, Eve, et al.
Veröffentlicht: (2023)

Accurate and Data-Efficient Toxicity Prediction when Annotators Disagree
von: Jaggi, Harbani, et al.
Veröffentlicht: (2024)

Balancing Quality and Variation: Spam Filtering Distorts Data Label Distributions
von: Fleisig, Eve, et al.
Veröffentlicht: (2025)

The Perspectivist Paradigm Shift: Assumptions and Challenges of Capturing Human Labels
von: Fleisig, Eve, et al.
Veröffentlicht: (2024)

PluriHarms: Benchmarking the Full Spectrum of Human Judgments on AI Harm
von: Li, Jing-Jing, et al.
Veröffentlicht: (2026)

Is your benchmark truly adversarial? AdvScore: Evaluating Human-Grounded Adversarialness
von: Sung, Yoo Yeon, et al.
Veröffentlicht: (2024)

GRACE: A Granular Benchmark for Evaluating Model Calibration against Human Calibration
von: Sung, Yoo Yeon, et al.
Veröffentlicht: (2025)

AI, Take the Wheel: What Drives Delegation and Trust in Human-Computer Cooperative Question Answering?
von: Gor, Maharshi, et al.
Veröffentlicht: (2026)

Sentiment Analysis of Code-Mixed Languages leveraging Resource Rich Languages
von: Choudhary, Nurendra, et al.
Veröffentlicht: (2018)

Mapping Social Choice Theory to RLHF
von: Dai, Jessica, et al.
Veröffentlicht: (2024)

Characterizing Language Use in a Collaborative Situated Game
von: Tomlin, Nicholas, et al.
Veröffentlicht: (2025)

Political Ideology Shifts in Large Language Models
von: Bernardelle, Pietro, et al.
Veröffentlicht: (2025)

The Impact of Depth on Compositional Generalization in Transformer Language Models
von: Petty, Jackson, et al.
Veröffentlicht: (2023)

Probing the Subtle Ideological Manipulation of Large Language Models
von: Paschalides, Demetris, et al.
Veröffentlicht: (2025)

'Since Lawyers are Males..': Examining Implicit Gender Bias in Hindi Language Generation by LLMs
von: Joshi, Ishika, et al.
Veröffentlicht: (2024)

Contrastive Learning of Emoji-based Representations for Resource-Poor Languages
von: Choudhary, Nurendra, et al.
Veröffentlicht: (2018)

Large Language Models Reflect the Ideology of their Creators
von: Buyl, Maarten, et al.
Veröffentlicht: (2024)

Standardize: Aligning Language Models with Expert-Defined Standards for Content Generation
von: Imperial, Joseph Marvin, et al.
Veröffentlicht: (2024)

Beyond the Surface: Probing the Ideological Depth of Large Language Models
von: Kabir, Shariar, et al.
Veröffentlicht: (2025)

How Susceptible are Large Language Models to Ideological Manipulation?
von: Chen, Kai, et al.
Veröffentlicht: (2024)

The Language You Ask In: Language-Conditioned Ideological Divergence in LLM Analysis of Contested Political Documents
von: Smirnov, Oleg
Veröffentlicht: (2026)

Emotions are Universal: Learning Sentiment Based Representations of Resource-Poor Languages using Siamese Networks
von: Choudhary, Nurendra, et al.
Veröffentlicht: (2018)

Towards Destabilising Standard Language Ideologies: A Genealogy of the Spelling Bee
von: Mike Metz
Veröffentlicht: (2025)

The Standard Language Ideology of the Hebrew and Arabic Grammarians of the ʿAbbasid Period
von: Kantor, Benjamin Paul
Veröffentlicht: (2023)

Self-Reflection Makes Large Language Models Safer, Less Biased, and Ideologically Neutral
von: Liu, Fengyuan, et al.
Veröffentlicht: (2024)

Language Ideologies in a Multilingual Society: An LLM-based Analysis of Luxembourgish News Comments
von: Milano, Emilia, et al.
Veröffentlicht: (2026)

Mapping and Influencing the Political Ideology of Large Language Models using Synthetic Personas
von: Bernardelle, Pietro, et al.
Veröffentlicht: (2024)

Don't Change My View: Ideological Bias Auditing in Large Language Models
von: Kröger, Paul, et al.
Veröffentlicht: (2025)

Language, Culture, and Ideology: Personalizing Offensiveness Detection in Political Tweets with Reasoning LLMs
von: Pihulski, Dzmitry, et al.
Veröffentlicht: (2025)

Decoding the Mind of Large Language Models: A Quantitative Evaluation of Ideology and Biases
von: Hirose, Manari, et al.
Veröffentlicht: (2025)

A Detailed Factor Analysis for the Political Compass Test: Navigating Ideologies of Large Language Models
von: Kamal, Sadia, et al.
Veröffentlicht: (2025)

ImplicitBBQ: Benchmarking Implicit Bias in Large Language Models through Characteristic Based Cues
von: Vedula, Bhaskara Hanuma, et al.
Veröffentlicht: (2026)

AI Safety in Generative AI Large Language Models: A Survey
von: Chua, Jaymari, et al.
Veröffentlicht: (2024)

Speaking the Same Language: Leveraging LLMs in Standardizing Clinical Data for AI
von: Sett, Arindam, et al.
Veröffentlicht: (2024)

\textit{Versteasch du mi?} Computational and Socio-Linguistic Perspectives on GenAI, LLMs, and Non-Standard Language
von: Platzgummer, Verena, et al.
Veröffentlicht: (2026)

The World of Generative AI: Deepfakes and Large Language Models
von: Mitra, Alakananda, et al.
Veröffentlicht: (2024)

How do Large Language Models Navigate Conflicts between Honesty and Helpfulness?
von: Liu, Ryan, et al.
Veröffentlicht: (2024)