热点事件观察中
LLM 管线中美式英语结构性偏差研究
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026 年 9 月 28 日，HuggingFace Daily Papers 收录一项研究，探讨大语言模型全流程为何默认偏向美式英语。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。结果显示，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，其 tokenizer 表示更紧凑、预测成本更低；即便在中性英语提示下，AmE 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。
AI 根据报道生成 · 2 小时前更新
最新进展9月28日 08:00
新研究以 1,813 组 AmE–BrE 变体提出 DiAlign，发现 LLM 全流程默认偏好美式英语。报道时间线
沿着报道，了解事件的不同侧面。
9月28日
- HuggingFace Daily Papers（社区热门论文）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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。