Hire Me or Not? Examining Language Model’s Behavior with Occupation Attributes

要約

大規模言語モデル (LLM) は、さまざまな下流タスクで優れたパフォーマンスを発揮するため、採用システムや推奨システムなどの運用パイプラインに広く統合されています。
自然言語データに基づいてトレーニングされたモデルの既知の問題は、システムの公平性に影響を与える可能性がある人間のバイアスの存在です。
この論文は、職業の意思決定の文脈において、性別の固定観念に関するLLMの行動を調査します。
私たちのフレームワークは、複数ラウンドの質問回答を通じて、LLM の行動におけるジェンダーステレオタイプの存在を調査し、定量化するように設計されています。
以前の研究からインスピレーションを得て、権威ある機関によってリリースされた標準的な職業分類知識ベースを活用してデータセットを構築します。
私たちは 3 つの LLM (RoBERTa-large、GPT-3.5-turbo、および Llama2-70b-chat) をテストしたところ、すべてのモデルが人間の偏見に似たジェンダー ステレオタイプを示すが、好みが異なることがわかりました。
GPT-3.5-turbo と Llama2-70b-chat の明確な好みは、現在の調整方法がバイアスを軽減するには不十分であり、伝統的なジェンダーの固定観念に矛盾する新たなバイアスを導入する可能性があることを示唆している可能性があります。

要約(オリジナル)

With the impressive performance in various downstream tasks, large language models (LLMs) have been widely integrated into production pipelines, like recruitment and recommendation systems. A known issue of models trained on natural language data is the presence of human biases, which can impact the fairness of the system. This paper investigates LLMs’ behavior with respect to gender stereotypes, in the context of occupation decision making. Our framework is designed to investigate and quantify the presence of gender stereotypes in LLMs’ behavior via multi-round question answering. Inspired by prior works, we construct a dataset by leveraging a standard occupation classification knowledge base released by authoritative agencies. We tested three LLMs (RoBERTa-large, GPT-3.5-turbo, and Llama2-70b-chat) and found that all models exhibit gender stereotypes analogous to human biases, but with different preferences. The distinct preferences of GPT-3.5-turbo and Llama2-70b-chat may imply the current alignment methods are insufficient for debiasing and could introduce new biases contradicting the traditional gender stereotypes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google