arXiv · cs.CL· Manthan Gadhia·· 11 天前AI 评分39
分析 LLM 训练全流程中的职业性别偏见：以 OLMo 3 为例
Analyzing Occupational Gender Bias across the LLM Training Lifecycle
来源与原文
arXiv · cs.CL
作者：Manthan Gadhia
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/2610.23587v1
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
一项研究通过让全开源模型家族 OLMo 3 的各后训练 checkpoint 生成职业叙事，追踪性别偏见的演变。结果显示：性别明确给出时，后训练主要提升男性画像叙事的语义多样性，女性画像在 SFT 后提升较小、经 DPO 和 RLVR 后不再显著；模型自行推断性别时则呈现女性偏向，且每个后训练阶段都单调增加女性标签概率，但 SFT 语料仅 7.7% 的女性 token 过剩，不足以解释该效应。
来源：arXiv · cs.CL · arxiv.org