研究揭示GPT-4o在ADHD自诊断中的性别偏见

2026年10月27日，一项基于arXiv NLP分类的新研究发表于线。该研究由Matilde Elene Hansen发表，旨在评估大语言模型GPT-4o在零样本ADHD自诊断场景中的性别偏差。 研究采用了“语境关联测试”（Context Association Test），重点分析显性人口统计线索与隐性线索对模型输出的影响。结果显示，显性线索可能会触发模型内部的过度矫正偏见缓解机制，从而放大特定亚型的关联；相比之下，隐性线索更贴近模型的默认行为，呈现近代理分布的特征。 该研究表明，在评估LLM自诊断的性别偏差时，必须深入关注模型编码的关联特性。这一发现为理解大语言模型在处理敏感医疗自诊断任务时的潜在偏差提供了重要参考。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。