paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
LS

Laleh Seyyed-Kalantari

ACL 2026NeurIPS 2026评测与基准检索与知识社会与人本
新星分资深
16
一作贡献0
核心/参与5
方向广度9
合作网络3
0 一作 · 2 篇 · ACL 2026 / NeurIPS 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #5/5ACL 2026Poster· Natural Language Processing

Quantifying Metric and Model Agreement in Bias Evaluation of Large Language Models

Arash Asgari · Huan Wu · Amirreza Naziri · Mojtaba Kolahdouzi · Laleh Seyyed-Kalantari

摘要

Bias evaluation in large language models (LLMs) uses many metrics and benchmarks, but lacks a systematic way to measure agreement across bias metrics and models. As a result, improvements observed under one metric may contradict another, and model rankings may reflect benchmark-specific artifacts...

评测与基准检索与知识社会与人本OpenReview 项目页

常见合作者