यह अध्ययन LLM-as-Judge मॉडलों में स्कोरिंग पक्षपात के लिए एक प्रतिनिधित्व-स्तर की व्याख्या प्रस्तुत करता है, जो केवल इनपुट-आउटपुट विक्षोभों के बजाय जज की छिपी हुई अवस्थाओं का विश्लेषण करता है। लेखकों ने सात जजों, सात पक्षपात प्रकारों और नौ बेंचमार्क पर निष्कर्षों की रिपोर्ट की है।
- पक्षपाती इनपुट एक निम्न-आयामी, प्रकार-विशिष्ट उपअवकाश के अनुदिश विस्थापित होते हैं जो गहराई के साथ तीखा होता है, जबकि आधार इनपुट एक सघन सक्रियण बहुआयामी पर कब्जा करते हैं।
- इस उपअवकाश के अनुदिछ छिपी हुई अवस्थाओं को निर्देशित करना स्कोरिंग को दोनों दिशाओं में चलाता है, जबकि यादृच्छिक दिशाएँ एक क्रम की तुलना में छोटे विस्थापन उत्पन्न करती हैं।
- पक्षपात-दिखावट विशेषताओं पर एक रैखिक प्रक्षेपण तीन अदृश्य बेंचमार्क पर जज की विफलताओं का पूर्वानुमान लगाता है, जो पाठ-आधारित विकल्पों से काफी बेहतर है।
सक्रियण ज्यामिति के रूप में पक्षपात को पढ़ना एकल ढांचे के भीतर ज्यामितीय संरचना, कारण नियंत्रण और संचालन पूर्वानुमान को एकीकृत करता है।