人口统计信息在群体层面更有用，显式推理优于直接条件化。
资讯摘要
论文研究社会人口信息何时有助于多元冒犯性建模，以及显式推理的作用。作者在三个多标注者数据集上测试提示与训练的大模型，发现人口统计信息对个体预测的提升小而一致，但在群体和总体层面更明显，因为聚合削弱了掩盖系统性信号的个体差异。论文提出将判断分解为整体基线与人口特定偏移的推理格式，并报告显式推理比直接人口条件化给出更准确的基线与偏移估计。
要点速读
- 论文在三个多标注者数据集上使用提示与训练的大模型进行实验。
- 个体层面人口统计增益小且不一致，群体与总体层面更清晰。
- 显式推理比直接人口条件化产生更准确的基线与偏移估计及最终预测。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。