כתבה
arXiv cs.AI ·
LEX-EC: תפיסה של ראיות לקטגוריזציה של תכונות אישיות ב-LLM
LEX-EC: A Lexical Evidence-Channel Audit Framework for Zero-Shot LLM Personality Classification in Black-Box Settings
מסגרת חדשה להבנת קטגוריזציה של תכונות אישיות ב-LLM. המאמר עוסק בפיתוח של LEX-EC, תפיסה של ראיות לקטגוריזציה של תכונות אישיות ב-LLM. המסגרת נועדה לבחון את היכולת של LLM לסווג תכונות אישיות, ולזהות את הגורמים המכריעים בקטגוריזציה. LEX-EC כוללת שלושה חלקים: חלק ראשון, המסווג את הטקסט; חלק שני, המסווג את התכונות; וחלק שלישי, המסווג את התכונות בהתבסס על הטקסט. LEX-EC נועדה לשפר את היכולת של LLM לסווג תכונות אישיות, ולזהות את הגורמים המכריעים בקטגוריזציה.
תקציר מקורי באנגליתarXiv:2607.24435v1 Announce Type: cross Abstract: Large language models may easily assign personality labels from text, but model interpretability remains an open problem. To address this gap, we introduce LEX-EC, a reusable black-box audit framework combining prevalence and agreement diagnostics with controlled lexical ablation to distinguish marginal-distribution effects from trait-associated signal recoverable under restricted evidence. Using this framework, we illustrate how various text genres may exhibit sharply different profiles: free-form essay text contains the broadest, but still weak, signal; in graduate student introductions, an observable Extraversion association weakened after masking; and single Facebook statuses yield little stable evidence even in a trait-balanced sample,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית