论文
文化适应性可解释 LLM 多语言信息障碍评估：人在环方法
Culturally Adaptive Explainable LLM Assessment for Multilingual Information Disorder: A Human-in-the-Loop Approach
摘要
认识到信息混乱很困难，因为对操纵的判断取决于文化和语言背景。然而，当前的 大语言模型 (LLM) 常常表现为单一文化、以英语为中心的“黑匣子”，产生忽视本地化框架的流畅的基本原理。来自多语言信息障碍 (InDor) 语料库的初步证据表明，现有模型难以一致地解释跨社区的受操纵新闻。为了解决这一差距，这项正在进行的研究提出了一种混合智能循环，这是一种人机循环 (HITL) 框架，该框架将模型评估建立在母语注释者人工编写的原理基础上。该方法超越了静态目标语言的几次提示，将英语任务指令与通过上下文学习 (ICL) 从过滤的 InDor 注释中动态检索的目标语言示例进行配对。在最初的试点中，Exemplar Bank 是从这些经过过滤的注释中生成的，并用于比较波斯语和意大利新闻的静态提示和自适应提示。该研究评估跨度和严重性预测、生成理由的质量和文化适当性以及评估者群体之间的模型一致性，为基于文化的可解释人工智能提供测试平台。