守护程序通过实施检查和约束来减少偏差并促进跨语言的公平对待，从而确保多语言大型语言模型 (LLM) 的公平性。这些机制解决了模型处理不同语言方式上的差异，这些差异通常源于训练数据的不平衡。例如，主要在英语数据上训练的模型在代表性较少的语言（如斯瓦希里语或孟加拉语）中可能表现不佳或表现出偏差。守护程序通过检测和纠正反映特定语言偏差（如刻板印象或不平等的响应质量）的输出来缓解这种情况。它们还强制执行一致的行为，确保模型在翻译或情感分析等任务中不会偏袒高资源语言。
一个关键方法是偏差检测和缓解。 守护程序使用预定义的规则、过滤器或辅助模型来识别有问题的模式。 例如，如果模型在回答有关西班牙特定地区的问题时产生冒犯性的刻板印象，守护程序可以标记这些响应并阻止它们或触发更正。 诸如反事实增强（用中性替代方案替换有偏差的短语）等技术有助于重新训练模型以避免重复错误。 此外，还会监控跨语言的公平性指标，例如相等的准确性或错误率。 如果模型在印地语中提供的医疗建议始终不如法语准确，守护程序可以优先重新训练印地语数据或调整输出置信度阈值。
另一个关键方面是确保文化和语言相关性。守护程序验证输出是否尊重区域规范并避免错误翻译。例如，模型可能错误地本地化成语（例如，将“raining cats and dogs”字面翻译成普通话，导致混淆）。守护程序可以根据特定于语言的词典或文化指南交叉检查输出，以防止此类错误。开发人员还可以实施特定于语言的公平性测试，例如验证阿拉伯语中与工作相关的查询是否在上下文需要时返回性别中立的建议。通过将自动检查与人工监督相结合，守护程序创建一个反馈循环，不断提高公平性，确保模型公平地服务于所有语言，而不会牺牲可用性或准确性。