Ai2发布大模型公平性评测基准FairStress

2026年10月21日，Ai2推出用于评估大语言模型决策人口统计公平性的评测基准FairStress，涵盖29个领域的300个决策场景，目前相关数据与代码已开放下载并接入Olmo-eval。评测结果显示，在引入说服性对抗前缀时，主流模型更易放弃偏向优势群体的正确选择而倒向少数群体，表现出反刻板印象的过度纠偏倾向；同时，研究还发现模型解释与内部激活存在差异，其输出的思维链可能未完全展示影响最终决策的所有内部表征。

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。