バイアスを打破し、架け橋を築く：接触仮説を通じたLLMsにおける社会的バイアスの評価と緩和

大規模言語モデル（LLMs）は社会的バイアスを持続させ、トレーニングデータの偏見を反映し、社会的ステレオタイプや不平等を強化します。本研究では、LLMsのバイアスを補正するための社会心理学の概念である接触仮説の可能性を探ります。LLMのプロンプトを通じてさまざまな形の社会的接触をシミュレーションし、モデルのバイアスに対する影響を測定します。これは、対人グループの相互作用が社会的文脈で偏見を減少させる方法を反映しています。108,000のプロンプトからなるデータセットを作成し、13の社会的バイアス次元にわたって3つのLLM（LLaMA 2、Tulu、NousHermes）のバイアスを測定するための原則に基づいたアプローチを採用しました。また、プロンプトに対して偏りのない応答を持つようにこれらのモデルを指示調整する独自のデバイアス技術、社会的接触デバイアス（SCD）を提案します。私たちの研究は、LLMの応答が接触プロービングを受けると社会的バイアスを示すことを示しますが、さらに重要なのは、私たちのSCD戦略に従ってLLaMA 2を1エポックの指示調整で最大40％まで有意に減少できることです。私たちのコードとデータはhttps://github.com/chahatraj/breakingbiasで入手できます。