株连效应：语义泄漏导致语言模型产生联想性性别偏见

研究发现大语言模型中提示词内无关概念的存在会引发语义泄漏，进而诱发未被现有评估充分重视的联想性性别偏见。即便刻板印象概念未直接归属于目标实体，仅作为场景背景出现，也会使模型生成结果偏向性别刻板印象，且偏移程度与主体直接接触该概念时相似。