Новости

SDARE-Bench: Evaluating Large Language Models on Conversational Stigma Detection and Response in Dyadic and Group Dialogue

arXiv cs.AI · Опубликовано 1 сентября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: SDARE-Bench, a new benchmark, evaluates how well large language models detect stigma and generate responses in conversations, testing 8 LLMs on 2,526 dialogue scenarios.
Почему это важно: Matters for engineers building conversational AI systems, especially those deployed in advice-giving, healthcare, or social decision-making contexts where stigma harm is possible.
На что обратить внимание: The benchmark reveals LLMs express stigma at 97.5% rates under group pressure, but it remains unclear how findings transfer to production systems or whether detection improvements are feasible.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 1 сентября 2026 г. · 3 мин чтения

Что произошло: SDARE-Bench, a new benchmark, evaluates how well large language models detect stigma and generate responses in conversations, testing 8 LLMs on 2,526 dialogue scenarios.
Почему это важно: Matters for engineers building conversational AI systems, especially those deployed in advice-giving, healthcare, or social decision-making contexts where stigma harm is possible.
На что обратить внимание: The benchmark reveals LLMs express stigma at 97.5% rates under group pressure, but it remains unclear how findings transfer to production systems or whether detection improvements are feasible.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.