यह शोधपत्र बड़े पैमाने के भाषा मॉडल (एलएलएम) द्वारा राजनीतिक और आर्थिक वैचारिक पूर्वाग्रहों को कूटबद्ध और पुनरुत्पादित करने की प्रवृत्ति से जुड़ी चिंताओं पर विचार करता है। हम डिकोडर-आधारित एलएलएम में इन पूर्वाग्रहों की जाँच और शमन के लिए एक ढाँचा प्रस्तुत करते हैं, जिसमें मिस्ट्रल और डीपसेक जैसे मॉडलों से राजनीतिक कम्पास परीक्षण (पीसीटी) के आधार पर छिपी परत सक्रियण को निकालने और उसकी तुलना करने वाले विपरीत युग्मों का उपयोग किया जाता है। हम एक व्यापक सक्रियण निष्कर्षण पाइपलाइन प्रस्तुत करते हैं जो कई वैचारिक अक्षों पर परत-दर-परत विश्लेषण करने में सक्षम है, और राजनीतिक ढाँचे में सार्थक अंतरों को उजागर करती है। परिणामस्वरूप, हम प्रदर्शित करते हैं कि डिकोडर एलएलएम विभिन्न परतों में प्रतिनिधित्वात्मक पूर्वाग्रहों को व्यवस्थित रूप से कूटबद्ध करते हैं, जिसका उपयोग प्रभावी स्टीयरिंग वेक्टर-आधारित शमन के लिए किया जा सकता है। सतही आउटपुट हस्तक्षेपों से परे, हम पूर्वाग्रह-मुक्ति के लिए एक सैद्धांतिक दृष्टिकोण प्रस्तुत करते हैं, जो एलएलएम में राजनीतिक पूर्वाग्रहों को कैसे कूटबद्ध किया जाता है, इस बारे में नई अंतर्दृष्टि प्रदान करता है।
