大模型对齐与安全

Toward Revealing Nuanced Biases in Medical LLMs

向揭示医疗大语言模型中的细微偏见迈进

Farzana Islam Adiba, Rahmatollah Beheshti

机构 * University of Delaware（特拉华大学） 纠错

专题命中 红队测试 ：red teaming(abstract)；分类 cs.AI

AI总结 本文提出结合知识图谱与辅助LLMs的框架，通过对抗性扰动和多跳表征技术，系统揭示医疗大语言模型中的复杂偏见模式。