arXiv · cs.CL· Haonan Huang·· 7 天前AI 评分34
同一判断、不同的“是”：测量大语言模型的多语言判断特征
Same Judgment, Different Yes: Measuring Multilingual Judgment Profiles in Language Models
来源与原文
arXiv · cs.CL
作者：Haonan Huang
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/2610.28066v1
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 arXiv 研究提出 FAR-6 评测集，收集 8 个模型在 6 种语言、最多 105 个道德情境下共 110 万条回复，比较不同提问与读取方式是否测到相同判断。结果显示句子层面判断特征高度一致（r = 0.94），而否定疑问句后按预设映射读取 yes/no token 时一致性仅 r = 0.67；去除各语言共识后，48 个模型-语言组合中有 39 个在命题标签下模型特征最接近自身跨语言版本。结论是模型可能保持判断却改变其“是”，对 token 打分需先确定它肯定的是哪个命题。
来源：arXiv · cs.CL · arxiv.org