arXiv cs.AI· Saanvi Khetan, Sankar Balasubramanian·· 11 小时前AI 评分41
Llama-3.1-8B-Instruct 研究：财务信息缺失时语言模型用身份替代事实
Thin Evidence, Thick Priors: How Language Models Substitute Identity for Missing Financial Facts
AI 导读
一项针对 Llama-3.1-8B-Instruct 的 96,600 条提示词实验显示，当财务信息从 8 项事实减至零时，财务相同但身份不同的两个角色获得的股票配置建议平均差距从 4.78 个百分点升至 10.34 个百分点，比值达 2.16。身份在全披露时仅解释 5% 的配置差异，无披露时升至 96%。无事实时模型还会在理由中引用从未告知的收入、债务和储蓄，且这些虚构财务对大家庭更常转为不利。
来源：arXiv cs.AI · arxiv.org