English(EN) Same Facts, Different Remedy: Linguistic Profiling and Arbitrariness in LLM and System One Decisions

大型语言模型在基于写作风格的消费者投诉处理中表现出微小偏见

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-09 05:00

一篇新的arXiv论文研究了大型语言模型（LLMs）和其他决策系统如何处理消费者投诉，重点关注语言风格的影响。研究人员发现，像GPT-4o-mini和GPT-5-mini这样的大型语言模型在处理投诉时，确实存在一些微小的差异，倾向于支持那些年龄较大、受教育程度较高、社会经济地位较高的投诉者，但这些差异主要是由表达方式而非事实内容引起的。研究表明，标准化投诉语言可以减少这些偏见，但并未完全消除个体决策的不稳定性。 AI

影响强调了在LLM决策系统中进行公平性审计的必要性，特别是在投诉处理中涉及语言偏见方面。

排序理由该集群包含一篇在arXiv上发表的学术论文，其中详细介绍了研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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; 该集群包含一篇在arXiv上发表的学术论文，其中详细介绍了研究结果。[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.CL TIER_1 English(EN) · Colin Priest · 2026-11-09 05:00

相同事实，不同补救：语言画像与LLM及System One决策中的任意性

arXiv:2611.08995v1 Announce Type: cross Abstract: Large language models are increasingly used to resolve consumer complaints, and the way complainants write varies with age, education and socioeconomic status (SES). We audit three remedy-decision systems using sociolinguistic rew…

本文如何被排名

报道来源 [1]

相同事实，不同补救：语言画像与LLM及System One决策中的任意性

相关实体

相关话题