研究大型语言模型中的刻板印象多集中于英语环境，因其他语言缺乏数据集且手工标注成本高。本文提出一种高效的人类与大型语言模型协作标注框架，构建了EspanStereo，这是一套涵盖欧洲和拉美多西班牙语国家的刻板印象数据集。EspanStereo包含已知刻板印象及独特文化偏见，通过大型语言模型生成候选刻板印象，由本土标注者验证，体现框架有效识别细微地区偏见。该数据集评估显示不同国家的西班牙语支持模型存在显著刻板行为差异，强调文化基础评估的必要性。该框架适用于其它语言及地区，为多语言刻板印象基准测试提供扩展途径。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：研究大型语言模型中的刻板印象多集中于英语环境，因其他语言缺乏数据集且手工标注成本高。本文提出一种高效的人类与大型语言模型协作标注框架，构建了EspanStereo，这是一套涵盖欧洲和拉美多西班牙语国家的刻板印象数据集。EspanStereo包含已知刻板印象及独特文化偏见，通过大型语言模型生成候选刻板印象，由本土标注者验证，体现框架有效识别细微地区偏见。该数据集评估显示不同国家的西班牙语支持模型存在显著刻板行为差异，强调文化基础评估的必要性。该框架适用于其它语言及地区，为多语言刻板印象基准测试提供扩展途径。
该研究填补了多语言刻板印象数据缺乏的空白，提出的人机协作标注方法降低了成本，提升了刻板印象识别的文化针对性，有助于推动更全面、多元的偏见分析和评估。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
本文研究了使用LSTM和传统机器学习模型对推特文本进行情感分析的方法。通过对数据集进行分词、词形还原和去停用词预处理，比较了逻辑回归、随机森林、朴素贝叶斯、梯度提升及LSTM等算法的效果。结果显示，LSTM模型在训练准确率90.98%、测试准确率80.00%及ROC-AUC 0.92的表现上优于传统方法，体现了其在捕捉文本上下文和序列特征方面的优势。
近期在数学AI（AI4Math）领域，特别是基于大型语言模型（LLM）的定理证明器，在利用交互式定理证明语言生成形式化证明方面取得显著进展。但现有系统在处理前沿数学研究，如发现新定理或解决悬而未决的猜想时仍受限，因其问题多为开放式、多层次抽象。本文综述该领域，包括数据集、自自动形式化和证明合成，指出现有系统作为数学研究代理的核心瓶颈，并提出未来AI4Math的发展路线图。
本文介绍了DeepSearch-Evolve，一种基于DeepSearch-World可验证环境的自我蒸馏框架，用于训练网页搜索代理。DeepSearch-World包含42万个多跳问答任务，支持进度验证、反思和故障恢复等关键认知行为，有助于代理自我进化。DeepSearch-Evolve通过轨迹生成、筛选、数据混合和微调，逐步提升代理性能。无需从更强模型蒸馏，DeepSearch-World-9B在BrowseComp、GAIA和HotpotQA等测试集上表现优异，展示了可验证环境对于长远网页代理自我进化的潜力。本文还将开放环境、数据集、模型和代码，促进相关研究。