Aller au contenu principal
Accès ouvert déclaré 2026 conference-paper

C2PO: Diagnosing and Disentangling Bias Shortcuts in LLMs

3Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : sg, cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Bias in Large Language Models (LLMs) poses significant risks to trustworthiness, manifesting primarily as stereotypical biases (e.g., gender or racial stereotypes) and structural biases (e.g., lexical overlap or position preferences).However, prior paradigms typically address these in isolation, often mitigating one at the expense of exacerbating the other.To address this, we conduct a systematic exploration of these reasoning failures and identify a primary inducement: the latent spurious feature correlations within the input that drive these erroneous reasoning shortcuts.Driven by these findings, we introduce Causal-Contrastive Preference Optimization (C2PO), a unified alignment framework designed to tackle these specific failures by simultaneously discovering and suppressing these correlations directly within the optimization process.Specifically, C2PO leverages causal counterfactual signals to isolate biasinducing features from valid reasoning paths, and employs a fairness-sensitive preference update mechanism to dynamically evaluate logitlevel contributions and suppress shortcut features.Extensive experiments across multiple benchmarks covering stereotypical bias (BBQ, Unqover), structural bias (MNLI, HANS, Chatbot, MT-Bench), out-of-domain fairness (Stere-oSet, WinoBias), and general utility (MMLU, GSM8K) demonstrate that C2PO effectively mitigates stereotypical and structural biases while preserving robust general reasoning capabilities.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
C2PO: Diagnosing and Disentangling Bias Shortcuts in LLMs
Date Crossref
01/01/2026
Éditeur
Association for Computational Linguistics
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Nanyang Technological University pays non établi dans la notice
    Université ou école supérieure
  • University of Jinan pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Key Laboratory of Trustworthy Computing pays non établi dans la notice
    Structure de recherche
  • Engineering Research Center of Trustworthy AI (Ministry of Education) pays non établi dans la notice
    Structure de recherche
  • Jinan University pays non établi dans la notice
    Université ou école supérieure
  • Guangxi Key Laboratory of Trusted Software pays non établi dans la notice
    Structure de recherche

Nanyang Technological University, University of Jinan et Shanghai Key Laboratory of Trustworthy Computing, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Complement system in diseasesExplainable Artificial Intelligence (XAI)Genomics and Rare Diseases

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.