English(EN) How Humans and LLMs Read Gender into Gender-Neutral Physical Descriptions

研究：大型语言模型和人类从性别中立描述中解读性别

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

一篇新发表在arXiv上的研究引入了GAPA数据集，该数据集包含316个身体属性和14,706个用户性别关联评分。研究表明，身体描述对人类而言带有结构化的性别关联，其中男性和女性的关联模式比非二元个体更强。在评估16个大型语言模型时，研究发现，尽管模型部分复制了人类的关联，但它们表现出压缩的评分分布和与男性关联度较弱等偏见。这些发现挑战了用身体描述取代明确性别标签就能实现性别中立沟通的假设，并突显了人类和模型解读之间的一致性缺失。 AI

影响揭示了大型语言模型在语言性别关联方面存在的系统性偏见，影响了AI的公平性和沟通。

排序理由关于AI公平性和偏见的学术论文。[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: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 关于AI公平性和偏见的学术论文。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yingjia Wan, Lin Lin, Elisa Kreiss · 2026-09-16 04:00

人类和大型语言模型如何从性别中立的身体描述中解读性别

arXiv:2609.16366v1 Announce Type: cross Abstract: When foundation models describe people, recent work in AI fairness, accessibility, and ethics recommends avoiding inferred identity labels (e.g., "she", "his") in favor of seemingly "objective" physical descriptions (e.g., "short …

本文如何被排名

报道来源 [1]

人类和大型语言模型如何从性别中立的身体描述中解读性别

相关实体

相关话题