研究揭示语义泄漏诱发大语言模型联想性性别偏见

2026年10月22日，arXiv自然语言处理领域发布题为《株连效应：语义泄漏导致语言模型产生联想性性别偏见》的研究。该研究发现，大语言模型中提示词内无关概念的存在会引发语义泄漏，进而诱发一种未被现有评估充分重视的联想性性别偏见。研究指出，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，也会导致模型的生成结果偏向性别刻板印象，且其偏移程度与主体直接接触该概念时的程度相似。

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。