arXiv · cs.CL· Xujun Che·· 10 天前AI 评分43
谁被"揭示"？扩散语言模型中的采样器引发偏见
Who Gets Unmasked? Sampler-Induced Bias in Diffusion Language Models
来源与原文
arXiv · cs.CL
作者：Xujun Che
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.24795v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
扩散语言模型（dLLMs）的采样器在决定何时提交 token 时会引入模型之外的偏见。研究在 LLaDA 和 Dream 上发现，常见的 peeking 提交规则会放大职业性别刻板印象、坍缩观点分布，且并行解码越快偏移越明显。论文提出 Fork-First Sampling，在生成任何内容前先决定分歧点，可跟随目标分布、提升流畅性，代价仅为一次前向传播。
来源：arXiv · cs.CL · arxiv.org