原书出处
大语言模型-基础与前沿 (熊涛)
10 第10章 减少偏见和有害性
“迭代零空间投影”(Iterative Nullspace Projection,INLP)的纠偏技术,类似于句子纠偏。
INLP通过训练线性分类器来预测模型表征中的受保护属性(如性别),然后通过将表征投影到分类器权重矩阵的零空间来消除表征的偏见。
这一过程将从表征中删除与预测的受保护属性相关的所有信息。INLP可以迭代应用,以进一步消除表征的偏见。 3. dropo
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter12.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d