Краткое содержание

arXiv:2511.14606v1 Тип объявления: кросс Аннотация: Обнаружение политической предвзятости в средствах массовой информации — это сложная задача, требующая интерпретации тонких лингвистических и контекстуальных сигналов. Хотя недавние достижения в области обработки естественного языка (NLP) позволили автоматизировать классификацию предвзятости, степень соответствия больших языковых моделей (LLM) человеческому суждению остается относительно малоизученной и недостаточно понятной. В данной работе предлагается сравнительная структура для оценки выявления политической предвзятости на основе человеческих аннотаций и нескольких LLM, включая GPT, BERT, RoBERTa и FLAN. Мы создаем вручную размеченный набор данных новостных статей и оцениваем согласованность аннотаций, полярность предвзятости и межмодельное согласие, чтобы количественно определить расхождения между восприятием предвзятости человеком и моделью. Экспериментальные результаты показывают, что среди традиционных трансформерных моделей RoBERTa демонстрирует наибольшее соответствие меткам человека, тогда как генеративные модели, такие как GPT, демонстрируют сильн