Buchumschlag

Evaluating Implicit Bias in Large Language Models by Attacking From a Psychometric Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wen, Yuchen, Bi, Keping, Chen, Wei, Guo, Jiafeng, Cheng, Xueqi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimating Commonsense Plausibility through Semantic Shifts
von: Cui, Wanqing, et al.
Veröffentlicht: (2025)

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

LLM-Specific Utility: A New Perspective for Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Bagging-Based Model Merging for Robust General Text Embeddings
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

Unleashing the Power of LLMs in Dense Retrieval with Query Likelihood Modeling
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

A Comparative Study of Specialized LLMs as Dense Retrievers
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification
von: Zhang, Mingkun, et al.
Veröffentlicht: (2025)

Distilling a Small Utility-Based Passage Selector to Enhance Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Locating and Mitigating Gender Bias in Large Language Models
von: Cai, Yuchen, et al.
Veröffentlicht: (2024)

Utility-Focused LLM Annotation for Retrieval and Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Beyond Relevance: Utility-Centric Retrieval in the LLM Era
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

MORE: Multi-mOdal REtrieval Augmented Generative Commonsense Reasoning
von: Cui, Wanqing, et al.
Veröffentlicht: (2024)

How Knowledge Popularity Influences and Enhances LLM Knowledge Boundary Perception
von: Ni, Shiyu, et al.
Veröffentlicht: (2025)

When Do LLMs Need Retrieval Augmentation? Mitigating LLMs' Overconfidence Helps Retrieval Augmentation
von: Ni, Shiyu, et al.
Veröffentlicht: (2024)

LINKAGE: Listwise Ranking among Varied-Quality References for Non-Factoid QA Evaluation via LLMs
von: Yang, Sihui, et al.
Veröffentlicht: (2024)

Towards Robust Universal Information Extraction: Benchmark, Evaluation, and Solution
von: Zhu, Jizhao, et al.
Veröffentlicht: (2025)

How Do LLM-Generated Texts Impact Term-Based Retrieval Models?
von: Huang, Wei, et al.
Veröffentlicht: (2025)

Promoting Equality in Large Language Models: Identifying and Mitigating the Implicit Bias based on Bayesian Theory
von: Deng, Yongxin, et al.
Veröffentlicht: (2024)

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

Uncovering Implicit Bias in Large Language Models with Concept Learning Dataset
von: Wang, Leroy Z.
Veröffentlicht: (2025)

From Implicit to Explicit: Enhancing Self-Recognition in Large Language Models
von: Zhou, Yinghan, et al.
Veröffentlicht: (2025)

No LLM is Free From Bias: A Comprehensive Study of Bias Evaluation in Large Language Models
von: Kumar, Charaka Vinayak, et al.
Veröffentlicht: (2025)

Are Large Language Models More Honest in Their Probabilistic or Verbalized Confidence?
von: Ni, Shiyu, et al.
Veröffentlicht: (2024)

StruEdit: Structured Outputs Enable the Fast and Accurate Knowledge Editing for Large Language Models
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Large Language Model Bias Mitigation from the Perspective of Knowledge Editing
von: Chen, Ruizhe, et al.
Veröffentlicht: (2024)

QUITO-X: A New Perspective on Context Compression from the Information Bottleneck Theory
von: Wang, Yihang, et al.
Veröffentlicht: (2024)

ReAD: Reinforcement-Guided Capability Distillation for Large Language Models
von: Cheng, Xueqi, et al.
Veröffentlicht: (2026)

Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias
von: Sakhawat, Adib, et al.
Veröffentlicht: (2026)

Investigating Implicit Bias in Large Language Models: A Large-Scale Study of Over 50 LLMs
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2024)

Robust Neural Information Retrieval: An Adversarial and Out-of-distribution Perspective
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

MDIT-Bench: Evaluating the Dual-Implicit Toxicity in Large Multimodal Models
von: Jin, Bohan, et al.
Veröffentlicht: (2025)

Towards Fully Exploiting LLM Internal States to Enhance Knowledge Boundary Perception
von: Ni, Shiyu, et al.
Veröffentlicht: (2025)

ImF: Implicit Fingerprint for Large Language Models
von: Wu, Jiaxuan, et al.
Veröffentlicht: (2025)

Psychometric Predictive Power of Large Language Models
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2023)

LPNL: Scalable Link Prediction with Large Language Models
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Mitigating Boundary Ambiguity and Inherent Bias for Text Classification in the Era of Large Language Models
von: Lu, Zhenyi, et al.
Veröffentlicht: (2024)

Intersectional Bias in Japanese Large Language Models from a Contextualized Perspective
von: Yanaka, Hitomi, et al.
Veröffentlicht: (2025)

Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue
von: Zhou, Junkai, et al.
Veröffentlicht: (2023)

On the Capacity of Citation Generation by Large Language Models
von: Qian, Haosheng, et al.
Veröffentlicht: (2024)

Who is in the Spotlight: The Hidden Bias Undermining Multimodal Retrieval-Augmented Generation
von: Yao, Jiayu, et al.
Veröffentlicht: (2025)