中文大语言模型在社交媒体表达下的社会偏见研究

一项研究构建了覆盖性别、地域和职业的 73 组配对探针，评估 6 款支持中文的大语言模型在网络黑话、表情符号及讽刺等社交媒体表达下的社会偏见。评测显示所有模型均存在显著的身份偏见效应，其中 5 款模型表现出显著的负向风格包装效应，讽刺转移效应在跨模型间呈现明显梯度。结果表明表达形式会影响偏见评估，讽刺语境下的低分不能直接等同于偏见已被缓解。