HuggingFace Daily Papers（社区热门论文）·· 1 天前AI 评分44
研究揭示 LLM 全流程为何默认偏向美式英语：1,813 组 AmE–BrE 变体与 DiAlign 方法
How Does "English (US)" Become the Default? Triangulating Structural Bias Towards American English Across the LLM Pipeline
AI 导读
研究以 1,813 组匹配的美式英语（AmE）与英式英语（BrE）变体为资源，提出免训练的 DiAlign 方法，从数据分布证据估计区域对齐度。AmE 在全部 6 个预训练语料和 21 个后训练数据集中均被偏好，tokenizer 表示更紧凑、预测成本更低，且在中性英语提示下仍是默认生成偏好；改用英式英语提示可向 BrE 偏移，但无法稳定消除 AmE 默认。
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org