racial-bias

一项多方利益相关者研讨会研究，探讨社区代表、警务人员及学者如何针对警务AI使用案例协商风险边界，重点关注种族偏见。研究结果显示，除累犯风险评估外，参与者普遍对采用AI持开放态度，讨论焦点集中于实际效果与公平利益。

一项对6个前沿LLMs在8个偏见基准测试上的独立评估发现，大多数模型在政治上偏左，并且Grok自述的右倾立场与其左倾行为不一致。拒答率各不相同，GPT-5.4在20%的种族相关问题上拒绝回答。

本文采用配对简历方法，对14个大语言模型在招聘中的歧视行为进行了审计，发现较旧的模型表现出亲白人的偏见，而较新的模型则显示无偏见或亲黑人的偏见，表明不同代际的算法招聘偏见发生了逆转。

斯坦福HAI报告指出，由于算法单一文化，AI招聘工具可能导致种族偏见和系统性拒绝，这是因为相似的模式导致了广泛的歧视。