研究揭示语言模型中的隐形种族偏见

2026年10月23日，Christian Arnold等人在arXiv预印本服务器上发布了题为《大语言模型概率偏差研究：隐形化作为偏误来源》的论文（arXiv:2610.30785）。该研究重点考察了大语言模型在处理涉及种族受保护属性的信息时，常基于描述而非证据拒绝评估信息的现象。 实验数据显示了显著的偏差：模型拒绝评估黑人描述报道者的比率高达46%，而针对白人描述报道者的比率仅为9%。然而，当模型选择进行评估时，其对黑人描述报道者的信任度反而略高于白人报道者，呈现出复杂的概率偏见模式。 研究进一步发现，这种偏差随推理力度的增加而加剧，且模型对警告指令的反应较差。为解决此问题，研究人员引入了评分机制，结果显示该机制能有效缩小差距，使最后一轮中的种族信任差距降至0.02以下，为缓解模型隐形偏见提供了技术参考。

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。