English(EN) Bias in the Tails: How Name-conditioned Evaluative Framing in Resume Summaries Destabilizes LLM-based Hiring

LLM在简历摘要中表现出微妙偏见，破坏招聘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

arXiv上发表的一项新研究表明，用于招聘流程的大型语言模型（LLM）在简历摘要中可能表现出微妙的偏见。研究人员发现，虽然摘要中的事实内容保持稳定，但评估性语言显示出与姓名相关的变化，尤其是在开源模型中。这种集中在分布极端的olar不稳定可能会导致LLM到LLM的自动化偏见，从而逃避标准的公平性审计。 AI

影响凸显了LLM生成的简历摘要可能在招聘流程中引入微妙、难以检测的偏见的潜力。

排序理由 arXiv上发表的研究论文，详细介绍了LLM生成的简历摘要中的偏见。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; arXiv上发表的研究论文，详细介绍了LLM生成的简历摘要中的偏见。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Huy Nghiem, Phuong-Anh Nguyen-Le, Sy-Tuyen Ho, Hal Daume III · 2026-09-10 04:00

偏差的尾部：简历摘要中的名称条件评估框架如何破坏基于LLM的招聘

arXiv:2604.19984v2 Announce Type: replace-cross Abstract: Research has documented LLMs' name-based bias in hiring and salary recommendations. In this paper, we instead consider a setting where LLMs generate candidate summaries for downstream assessment. In a large-scale controlle…

本文如何被排名

报道来源 [1]

偏差的尾部：简历摘要中的名称条件评估框架如何破坏基于LLM的招聘

相关实体

相关话题