PulseAugur
中
实时 03:25:39
English(EN) Generating the Modal Worker: A Cross-Model Audit of Race and Gender in LLM-Generated Personas Across 41 Occupations

研究发现 LLM 生成有偏见的职业个人形象

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新近发表在 arXiv 上的研究分析了四个主要大型语言模型（包括 GPT-4 和 Gemini 2.5）生成的超过 150 万个职业个人形象。研究发现，与现实世界数据相比，这些模型倾向于创建多样性较低的人口统计学代表，常常将职业压缩成单一的占主导地位的形象。审计显示，白人和黑人劳动者的代表性持续不足，而西班牙裔和亚裔劳动者的代表性则过度，偏见加剧了现有的职业隔离，在某些情况下甚至导致某些人口群体几乎被抹去。 AI

影响 揭示了 LLM 生成的个人形象中系统性的人口统计学偏见，突显了强化社会刻板印象和职业隔离的风险。

排序理由 该集群包含一篇详细介绍 LLM 偏见研究结果的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ilona van der Linden, Sahana Kumar, Arnav Dixit, Aadi Sudan, Smruthi Danda, David C. Anastasiu, Kai Lukoff ·

    生成模态工作者：跨模型对 41 种职业的 LLM 生成的个人形象中的种族和性别进行审计

    arXiv:2510.21011v3 Announce Type: replace-cross Abstract: As generative AI tools are increasingly used to portray people in professional roles, understanding their racial and gender representational biases is critical. We audit over 1.5 million occupational personas generated by …

相关实体

相关话题