主要来源arXiv: Anthropic
查看原文事件专题 ·官方一手
研究揭示语言模型对信息来源的隐性概率偏差
arXiv 论文用两瓮博弈测量 OpenAI 和 Anthropic 模型在 6,600 个会话中如何对待不同描述的报告者。结果显示模型拒绝评估 Black 描述者的比例达 46%，white 描述者仅 9%。该偏差在平均信任度审计中不可见，且随推理力度加大而恶化。当模型按真实结果连续多轮评分时，五个配置中四个的种族信任差距降到 0.02 以下。
当前结论
这篇论文做了 6600 次实验，发现模型光是看到报告者是 Black 就直接不评估信息，警告提示反而让情况更糟，方法部分对做模型评测的人很有用。
11 个信源47° AI 热度最后更新 2026/10/22 06:03:35
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。