Исследование шести инструктивно-обученных больших языковых моделей показывает, что системы переднего края систематически переписывают афроамериканский английский (AAE) на стандартный американский английский. Авторы представляют сквозную инфраструктуру для аудита и смягчения этой предвзятости, вводя условную инвариантность группы диалектов (cDGI) для изоляции и анализа локализации на уровне признаков.

  • Синтаксические конструкции, особенно отрицательное согласование, выявлены как универсальные триггеры предвзятости во всех протестированных моделях.
  • Исследователи применяют активационное управление — метод без дообучения, который извлекает диалектные направления через каузальный трейсинг для внедрения в слои, релевантные предвзятости.
  • Этот подход снижает предвзятость в 5–20 раз эффективнее, чем промптинг, сохраняя при этом беглость стандартного американского английского.
  • Работа включает REAL-AAE, крупнейший корпус реального AAE с 17 479 тройками из естественных твитов.

Исследование предоставляет метод предотвращения молчаливого исправления диалектов LLM и выпускает значимый новый ресурс для оценки диалектной предвзятости.