Minando el sesgo de suplantación en LLMs a través de la cumplimentación de encuestas
Autores: Bombieri, Marco; Rospocher, Marco
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Minando el sesgo de suplantación en LLMs a través de la cumplimentación de encuestas
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Introducir
Metodología basada en encuestas
Auditoría
Personas generadas por LLM
Perfiles estandarizados
Condicionamiento en atributos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En este artículo, introducimos una metodología basada en encuestas para auditar las personas generadas por LLM simulando 200 residentes de EE. UU. y recopilando respuestas a preguntas sociodemográficas en un entorno de cero disparos. Investigamos si los LLMs recurren a perfiles estandarizados, cómo difieren estos perfiles entre modelos y cómo la condicionamiento en atributos específicos afecta las representaciones resultantes. Nuestros hallazgos revelan que los LLMs a menudo producen personas homogeneizadas que subrepresentan la diversidad demográfica y que la condicionamiento en atributos como género, etnicidad o discapacidad puede desencadenar cambios estereotípicos. Estos resultados destacan los sesgos implícitos en los LLMs y subrayan la necesidad de enfoques sistemáticos para evaluar y mitigar los riesgos de equidad en las salidas del modelo.
Descripción
En este artículo, introducimos una metodología basada en encuestas para auditar las personas generadas por LLM simulando 200 residentes de EE. UU. y recopilando respuestas a preguntas sociodemográficas en un entorno de cero disparos. Investigamos si los LLMs recurren a perfiles estandarizados, cómo difieren estos perfiles entre modelos y cómo la condicionamiento en atributos específicos afecta las representaciones resultantes. Nuestros hallazgos revelan que los LLMs a menudo producen personas homogeneizadas que subrepresentan la diversidad demográfica y que la condicionamiento en atributos como género, etnicidad o discapacidad puede desencadenar cambios estereotípicos. Estos resultados destacan los sesgos implícitos en los LLMs y subrayan la necesidad de enfoques sistemáticos para evaluar y mitigar los riesgos de equidad en las salidas del modelo.