大语言模型概率偏差研究：隐形化作为偏误来源

大语言模型在涉及种族受保护属性时，常基于描述而非证据拒绝评估信息。 实验显示，模型拒绝评估黑人描述报道者的率达46%，白人仅为9%；但当模型进行评估时，对黑人描述报道者反而略多信任。 这种偏差随推理力度增加而加剧，且对警告指令反应更差；引入评分机制后，最后一轮种族信任差距降至0.02以下。