Qwen-3-VL-8B

LLM偏见研究揭示安全过滤器在显性身份线索上失效

一篇新的arXiv研究通过比较显性人口统计学画像与隐性语言信号（如方言）来调查大型语言模型（LLMs）中的偏见。研究人员发现，LLMs常常表现出矛盾的安全行为，显性身份提示会触发更严格的过滤器，并对某些人口群体产生更高的拒绝率。相反，使用隐性方言线索，如非洲裔美国人白话英语（AAVE）或新加坡英语（Singlish），可以绕过安全机制，导致拒绝率降低，但可能损害内容净化。研究结果表明，当前的LLM安全对齐技术很脆弱，并且过度依赖显性关…