Swap, Replicate, Read the Mass：System One 决策模型人口偏见审计协议

研究人员针对 System One 决策模型提出人口偏见审计协议，在 12 款模型及 1,638,000 次决策中评估了 BBQ、CrowS-Pairs 和 SilverSpoon 基准。测试发现模型普遍存在刻板印象对齐与顺序敏感性，选项置换会导致 0.0% 至 72.6% 的选择翻转，且 BBQ 中 97 项显著评分有 94 项与偏见对齐。研究建议审计默认置换选项，并将顺序无关评分作为采购标准。