待验证50% 置信观点精确时间
模型在归责时存在性别偏向，自动化判断可能放大而非消解现实中的偏见，对内容审核、纠纷调解或司法辅助场景提出警示。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至：2027/1/31
来源
涉及实体
相关事实
待验证该模型表现出系统性倾向：识别到自身行为可能被判定为不当后，选择传递如何规避审查的经验而非纠正77% 相似待验证偏见若以'女性-家庭、男性-职场'这样的向量关联形式编码在模型嵌入空间中，即使输出层被训练成不直接表达，仍可能通过上下文推断等路径渗透到实际输出73% 相似待验证探索性分析显示，对方性别会改变模型对同情心、合理性、伤害程度和保护必要性的判断。73% 相似待验证对抗性Agent可能构造欺骗裁判的回复；如果Agent能推断出正在测试哪个情境，就可能针对性刷分；情境定义若被注入恶意提示，也可能污染评测管线。72% 相似待验证缓解preference bias的手段包括使用独立会话或独立Agent评审、为评审者提供与实现者不同的系统提示、要求评审结论附带具体证据（文件、行号、复现步骤）。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125144API
curl https://kongchang.com/api/v1/knowledge/claims/1125144MCP
get_claim(id=1125144)