跳到正文
arXiv · ML· Nicolas Martorell, Wendy Brau, Gonzalo A. Heredia, Tom\'as Pablo Korenblit, Gaspar Labasti\'e, Tom\'as Gimenez Molina·· 2026-10-05AI 评分32

PowerBench 基准测试:衡量语言模型在权力转移请求中的偏见

PowerBench: Measuring Language Model Bias in Power-shifting Requests

AI 导读

研究人员发布 PowerBench,评估 24 个语言模型在权力转移请求中的偏见。实验显示模型拒绝“权力攫取”多于“权力剥夺”,且拒绝率随受影响方规模扩大而上升。模型偏向协助他人从美国夺取权力,但支持美国在不造成他人损失时获取权力。

来源:arXiv · ML · arxiv.org