University of Southern California（南加州大学）

Textual Entailment is not a Better Bias Metric than Token Probability

文本蕴含不是比标记概率更好的偏见度量标准

Virginia K. Felkner, Allison Lim, Jonathan May

机构 * Information Sciences Institute University of Southern California（信息科学研究所 美国南加州大学） 纠错

AI总结 本文通过实验表明，自然语言推理（NLI）与标记概率（TP）在评估语言模型偏见时表现不同，NLI更不稳定且对刻板印象句子更敏感，因此不推荐作为TP的替代方案。

Comments 12 pages, 1 figure. Substantial revisions following October 2025 ARR Cycle. Currently under review in January 2026 ARR Cycle

Evaluating Large Language Models for Fair and Reliable Organ Allocation

评估大型语言模型以实现公平和可靠的器官分配

Brian Hyeongseok Kim, Hannah Murray, Isabelle Lee, Jason Byun, Joshua Lum, Dani Yogatama, Evi Micha

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文评估了大型语言模型在器官分配中的公平性，发现基于暴露的指标显示公平结果，而基于概率的指标揭示了系统性的偏好排序，强调了对公平性评估和人类监督的必要性。