llm-fairness

本文提出了“解释公平性分类法”（Explanation Fairness Taxonomy, EFT），以分析大型语言模型（LLM）在不同人口群体中证明决策时的差异，研究发现尽管决策本身保持平衡，但在解释的质量和语调上仍存在显著偏差。

学术研究揭示大模型存在系统性反事实不公：特权者讲的笑话被拒绝率高出67%，且被判定为更恶意，而内容完全相同的笑话若出自边缘群体则待遇相反。