Contact
Algerie - Plateforme academique nationale
...
Préparez votre séjour scientifique

Laboratoire d’accueil · Lettre d’accueil · Orientation du dossier

En savoir plus

IA & Recherche · arXiv AI · publications

Understanding Annotator Safety Policy with Interpretability

Extrait de la source

Cette page structure un contenu IA & recherche pour faciliter la lecture, la citation et la vérification par les chercheurs, étudiants et moteurs IA.

arXiv:2605.05329v1 Announce Type: new Abstract: Safety policies define what constitutes safe and unsafe AI outputs, guiding data annotation and model development. However, annotation disagreement is pervasive and can stem from multiple sources such as operational failures (annotators misunderstand or misexecute the task), policy ambiguity (policy wording leaves room for interpretation), or value pluralism (different annotators hold different perspectives on safety). Distinguishing these sources matters. For example, operational failures call for quality control, ambiguity calls for policy clarification, and pluralism calls for deliberation about incorporating diverse perspectives. Yet understanding why annotators disagree is difficult. Directly asking annotators for their reasoning is costly, substantially increasing annotation burden, and can be unreliable for both human and LLM annotators as self-reported reasoning often fails to reflect actual decision processes. We introduce Annotator Policy Models (APMs), interpretable models that learn annotators' internal safety policies from labeling behavior alone, making annotator reasoning visible and comparable without additional annotation effort. We validate that APMs accurately model annotator safety policy (>80% accuracy), faithfully predict responses to counterfactual edits, and recover known policy differences in controlled settings. Applying APMs to LLM and human annotations, we demonstrate two core applications: (1) surfacing policy ambiguity by revealing how annotators interpret safety instructions differently, and (2) surfacing value pluralism by uncovering systematic differences in safety priorities across demographic groups. Together, these capabilities support more targeted, transparent, and inclusive safety policy design.

Votre atelier DzCademia

Vérifier une méthode ou une promesse de publication

Une vidéo ou un outil de choix de revue peut servir à présélectionner des titres, pas à garantir une acceptation. Vérifiez l’identité de la revue, le périmètre, le guide auteur et les frais sur ses pages officielles. Ne choisissez pas une revue uniquement sur une promesse de rapidité ou un indicateur isolé.

Un exercice concret

Comparez deux revues sur votre question précise : adéquation scientifique, types d’articles, instructions et conditions vérifiées. Gardez les points inconnus comme des questions à résoudre.

Repères de cette fiche
Sujet
Understanding Annotator Safety Policy with Interpretability
Site source
arxiv.org
Date de publication à la source
2026-05-08
Date de collecte sur DzCademia
2026-05-08
Mon plan de préparation

Liste personnelle indicative, distincte des pièces ou règles officielles. Vos cases restent sur cet appareil ; aucun compte nécessaire.

0 / 5 étapes cochées

Consulter la source

Conseils et exercices DzCademia, distincts du résumé et des exigences de la source. Aide structurée avec assistance automatisée ; elle ne vaut ni validation scientifique ni promesse de sélection. Source consultée le 2026-10-28.

Voir la source originale

Source officielle ou originale : arXiv AI. Vérifiez toujours les détails sur la source primaire.

Retour IA & Recherche
369
Manifestations recensees
1422596
Visites cumulees
5302
Visites aujourd'hui