Yejin Choi

Data-efficient pre-training by scaling synthetic megadocs

通过扩展合成巨文档实现数据高效的预训练

Konwoo Kim, Suhas Kotha, Yejin Choi, Tatsunori Hashimoto, Nick Haber, Percy Liang

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文研究如何通过生成更长的合成巨文档提升预训练效果，发现其在降低损失和提升基准准确率方面优于简单重述，数据效率从1.48倍提升至1.80倍。

Biased AI can Influence Political Decision-Making

有偏见的AI会影响政治决策

Jillian Fisher, Shangbin Feng, Robert Aron, Thomas Richardson, Yejin Choi, Daniel W. Fisher, Jennifer Pan, Yulia Tsvetkov, Katharina Reinecke

机构 * Department of Statistics, University of Washington（华盛顿大学统计学系） ； Department of Computer Science, University of Washington（华盛顿大学计算机科学系） ； Dallas, Texas（德克萨斯州达拉斯） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Psychiatry and Behavioral Science, University of Washington（华盛顿大学精神病学与行为科学系） ； Department of Communication, Stanford University（斯坦福大学传播学系） 纠错

AI总结 本文通过两个互动实验研究了LLM偏见对政治观点和决策的影响，发现参与者更容易接受与模型偏见一致的观点，即使个人政治倾向相反，且AI知识水平与偏见影响减弱相关。