多语言媒体粗略政治立场分类：致谢与参考文献

链接表

• 摘要和简介
• 语料库编撰
• 政治立场分类
• 总结和结论
• 限制和道德声明
• 致谢和参考文献
• A. OSCAR 22.01 中的报纸
• B. 主题
• C. 各报纸主题分布
• D. ChatGPT 和 Bard 文章生成的主题
• E. 文章层面的立场分类
• F. 培训详情

致谢

作者感谢匿名评论者的深刻评论和讨论。即使如此。

参考

Julien Abadji、Pedro Javier Ortiz Suárez、Laurent Romary 和 Benoît Sagot。2021 年。Ungoliant：用于生成超大规模多语言网络语料库的优化流程。2021 年大型语料库管理挑战研讨会 (CMLC-9) 论文集。利默里克，2021 年 7 月 12 日（在线活动），第 1-9 页，曼海姆。莱布尼茨德语研究所。

Dmitrii Aksenov、Peter Bourgonje、Karolina Zaczynska、Malte Ostendorff、Julian Moreno-Schneider 和 Georg Rehm。2021 年。德国新闻中政治偏见的细粒度分类：数据集和初步实验。第 5 届网络虐待和伤害研讨会 (WOAH 2021) 论文集，第 121-131 页，在线。计算语言学协会。

Ramy Baly、Giovanni Da San Martino、James Glass 和 Preslav Nakov。2020 年。我们可以发现你的偏见：预测新闻文章的政治意识形态。在 2020 年自然语言处理实证方法 (EMNLP) 会议论文集，第 4982–4991 页，在线。计算语言学协会。

Micah Carroll、Alan Chan、Henry Ashton 和 David Krueger。2023 年。表征人工智能系统的操控。arXiv 预印本 arXiv:2303.09387。

Lingjiao Chen、Matei Zaharia 和 James Zou。2023. ChatGPT 的行为如何随时间变化？arXiv 预印本 arXiv:2307.09009。

Alexis Conneau、Kartikay Khandelwal、Naman Goyal、Vishrav Chaudhary、Guillaume Wenzek、Francisco Guzmán、Edouard Grave、Myle Ott、Luke Zettlemoyer 和 Veselin Stoyanov。2020 年。大规模无监督跨语言表征学习。在计算语言学协会第 58 届年会论文集，第 8440–8451 页，在线。计算语言学协会。

Ameet Deshpande、Vishvak Murahari、Tanmay Rajpurohit、Ashwin Kalyan 和 Karthik Narasimhan。 2023. ChatGPT 中的毒性：分析角色分配的语言模型。 arXiv 预印本 arXiv:2304.05335。

Cristina España-Bonet。2023. 多语言粗略政治立场媒体分类。ChatGPT 和 Bard 报纸的编辑线。Zenodo 上的数据集，v1.0。

José Antonio García-Díaz、Ricardo Colomo-Palacios 和 Rafael Valencia-García。2022 年。基于政治意识形态的心理特征识别：对 2020 年西班牙政客推文的作者分析研究。未来通用计算机系统，130(C):59–74。

Xinyang Geng、Arnav Gudibande、Hao Liu、Eric Wallace、Pieter Abbeel、Sergey Levine 和 Dawn Song。2023 年。考拉：学术研究的对话模型。博客文章。

谷歌。2023 年。Bard [指令跟随大型语言模型]。

Jochen Hartmann、Jasper Schwenzow 和 Maximilian Witte。2023 年。对话式人工智能的政治意识形态：关于 ChatGPT 的亲环境、左翼自由主义倾向的聚合证据。arXiv 预印本 arXiv:2301.01768。

黄小伟、阮文杰、黄伟、金高杰、董毅、吴长顺、Saddek Bensalem、穆荣辉、齐毅、赵星宇等。 2023.从验证和确认的角度对大型语言模型的安全性和可信度进行调查。 arXiv 预印本 arXiv:2305.11391。

Maurice Jakesch、Advait Bhat、Daniel Buschek、Lior Zalmanson 和 Mor Naaman。2023 年。使用有主见的语言模型共同写作会影响用户的观点。2023 年 CHI 计算机系统人为因素会议论文集，第 1-15 页，纽约，美国。计算机协会。

Johannes Kiesel、Maria Mestre、Rishabh Shukla、Emmanuel Vincent、Payam Adineh、David Corney、Benno Stein 和 Martin Potthast。2019 年。SemEval2019 任务 4：超党派新闻检测。第 13 届国际语义评估研讨会论文集，第 829-839 页，美国明尼苏达州明尼阿波利斯。计算语言学协会。

Vivek Kulkarni、Junting Ye、Steve Skiena 和 William Yang Wang。2018 年。新闻文章政治意识形态检测的多视角模型。2018 年自然语言处理实证方法会议论文集，第 3518-3527 页，比利时布鲁塞尔。计算语言学协会。

Andrew Kachites McCallum。2002 年。MALLET：语言工具包的机器学习。http://mallet.cs.umass.edu。

Fabio Motoki、Valdemar Pinho Neto 和 Victor Rodrigues。2023 年。比人类更人性化：衡量 ChatGPT 的政治偏见。公共选择。

Niklas Muennighoff、Thomas Wang、Lintang Sutawika、Adam Roberts、Stella Biderman、Teven Le Scao、M Saiful Bari、Sheng Shen、Zheng Xin Yong、Hailey Schoelkopf、Xiangru Tang、Dragomir Radev、Alham Fikri Aji、Khalid Almubarak、Samuel Albanie、Zaid Alyafeai、Albert Webson、Edward Raff 和 Colin Raffel。2023. 通过多任务微调实现跨语言泛化。《计算语言学协会第 61 届年会论文集》（第 1 卷：长篇论文），第 15991–16111 页，加拿大多伦多。计算语言学协会。

Reiichiro Nakano、Jacob Hilton、Suchir Balaji、Jeff Wu、Long Ouyang、Christina Kim、Christopher Hesse、Shantanu Jain、Vineet Kosaraju、William Saunders 等人。2021 年。WebGPT：带有人工反馈的浏览器辅助问答。arXiv 预印本 arXiv:2112.09332。

Roberto Navigli、Simone Conia 和 Björn Ross。2023 年。大型语言模型中的偏见：起源、清单和讨论。J. 数据与信息质量，15(2)。

OpenAI。2023 年。ChatGPT [指令跟踪大型语言模型]。

Pedro Javier Ortiz Suárez、Benoît Sagot 和 Laurent Romary。2019 年。用于在中低资源基础设施上处理大型语料库的异步管道。2019 年大型语料库管理挑战研讨会 (CMLC-7) 论文集。卡迪夫，2019 年 7 月 22 日，第 9-16 页，曼海姆。莱布尼茨德语研究所。

Long Ouyang、Jeffrey Wu、Xu Jiang、Diogo Almeida、Carroll Wainwright、Pamela Mishkin、Chong Zhang、Sandhini Agarwal、Katarina Slama、Alex Ray、John Schulman、Jacob Hilton、Fraser Kelton、Luke Miller、Maddie Simens、Amanda Askell、Peter Welinder、Paul F Christiano、Jan Leike 和 Ryan Lowe。2022 年。训练语言模型以遵循带有人工反馈的指令。《神经信息处理系统进展》，第 35 卷，第 27730–27744 页。Curran Associates, Inc.

David Rozado。2023 年。《机器中的危险：人工智能系统中嵌入的政治和人口偏见的危险》。曼哈顿研究所，问题简报，第 1-16 页。

Daniel Russo、Salud María Jiménez-Zafra、José Antonio García-Díaz、Tommaso Caselli、L. Alfonso UreñaLópez 和 Rafael Valencia-García。2023 年。PoliticIT 在 EVALITA 2023 上：意大利语文本政治意识形态检测任务概述。在 2023 年意大利语自然语言处理和语音工具第八次评估活动中，CEUR 研讨会论文集第 3473 号，亚琛。

Rohan Taori、Ishaan Gulrajani、Tianyi Zhang、Yann Dubois、Xuechen Li、Carlos Guestrin、Percy Liang 和 Tatsunori B. Hashimoto。2023 年。斯坦福羊驼：一种遵循指令的 LLaMA 模型。https://github.com/tatsu-lab/stanford_alpaca。

Hugo Touvron、Louis Martin、Kevin Stone、Peter Albert、Amjad Almahairi、Yasmine Babaei、Nikolay Bashlykov、Soumya Batra、Prajjwal Bhargava、Shruti Bhosale、Dan Bikel、Lukas Blecher、Cristian Canton Ferrer、Moya Chen、Guillem Cucurull、David Esiobu、Jude Fernandes、Jeremy Fu、Wenyin Fu、Brian Fuller、Cynthia Gao、Vedanuj Goswami、Naman Goyal、Anthony Hartshorn、Saghar Hosseini、Rui Hou、Hakan Inan、Marcin Kardas、Viktor Kerkez、Madian Khabsa、Isabel Kloumann、Artem Korenev、Punit Singh Koura、Marie-Anne Lachaux、Thibaut Lavril、Jenya Lee、Diana Liskovich、Yinghai Lu、Yuning Mao、Xavier Martinet、Todor Mihaylov、Pushkar Mishra、Igor Moly-bog、Yixin Nie、Andrew Poulton、Jeremy Reizenstein、Rashi Rungta、Kalyan Saladi、Alan Schelten、Ruan Silva、Eric Michael Smith、Ranjan Subramanian、Xiaoqing Ellen Tan、Binh Tang、Ross Taylor、Adina Williams、Jian Xiang Kuan、Puxin Xu、Zheng Yan、Iliyan Zarov、Yuchen Zhang、Angela Fan、Melanie Kambadur、Sharan Narang、Aurelien Rodriguez、Robert Stojnic、Sergey Edunov 和 Thomas Scialom。2023 年。Llama 2：开放基础和微调聊天模型。arXiv 预印本 arXiv:2307.09288。

Eva AM van Dis、Johan Bollen、Willem Zuidema、Robert van Rooij 和 Claudi L. Bockting。 2023. ChatGPT：五个研究重点。自然，614（7947）：224-226。

王博欣、陈伟欣、裴恒志、谢楚林、康敏彤、张晨晖、徐车建、熊子迪、Ritik Dutta、Rylan Schaeffer 等。 2023a. DecodingTrust：GPT 模型中可信度的全面评估。 arXiv 预印本 arXiv:2306.11698。

Yizhong Wang、Yeganeh Kordi、Swaroop Mishra、Alisa Liu、Noah A. Smith、Daniel Khashabi 和 Hannaneh Hajishirzi。2023b。自我指导：将语言模型与自我生成的指令对齐。在计算语言学协会第 61 届年会论文集（第 1 卷：长篇论文）中，第 13484–13508 页，加拿大多伦多。计算语言学协会。

Yizhong Wang、Swaroop Mishra、Pegah Alipoormolabashi、Yeganeh Kordi、Amirreza Mirzaei、Atharva Naik、Arjun Ashok、Arut Selvan Dhanasekaran、Anjana Arunkumar、David Stap、Eshaan Pathak、Giannis Karamanolakis、Haizhi Lai、Ishan Purohit、Ishani Mondal、Jacob Anderson、Kirby Kuznia、Krima Doshi、Kuntal Kumar Pal、Maitreya Patel、Mehrad Moradshahi、Mihir Parmar、Mirali Purohit、Neeraj Varshney、Phani Rohitha Kaza、Pulkit Verma、Ravsehaj Singh Puri、Rushang Karia、Savan Doshi、Shailaja Keyur Sampat、Siddhartha Mishra、Sujan Reddy A、Sumanta Patro、Tanay Dixit 和 Xudong Shen。 2022. 超自然指令：通过声明性指令对 1600 多个 NLP 任务进行泛化。在 2022 年自然语言处理实证方法会议论文集，第 5085–5109 页，阿拉伯联合酋长国阿布扎比。计算语言学协会。

Jason Wei、Maarten Bosma、Vincent Zhao、Kelvin Guu、Adams Wei Yu、Brian Lester、Nan Du、Andrew M. Dai 和 Quoc V Le。2022 年。微调语言模型是零样本学习器。在国际学习表征会议上。