arXiv · cs.CL· Ekta Yadav·· 17 天前AI 评分39
微调策略而非仅数据：面向 HR 推荐系统的嵌入模型性别与刻板印象偏差的统计学严格审计
Fine-Tuning Strategy, Not Just Data: A Statistically Rigorous Audit of Gender and Stereotypical Bias in Embedding Models for HR Recommendation Systems
来源与原文
arXiv · cs.CL
作者：Ekta Yadav
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/2610.14579v1
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
一项审计用 Bias-in-Bios 和 StereoSet 基准评估了六个多语言句子嵌入模型（LaBSE 与 E5 家族），并修正了 naive 显著性检验中的非独立性问题。结果显示 E5-Base 的知识蒸馏微调显著加大 Bias-in-Bios 偏差（Δ=-0.177，p<10⁻⁸），而二分类微调无统计学差异（p=0.218）。微调策略因此成为 HR 推荐系统设计的可操作杠杆。
来源：arXiv · cs.CL · arxiv.org