non-binary identities

研究：大型语言模型和人类从性别中立描述中解读性别

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。