待验证50% 置信事实精确时间

词嵌入模型的性别偏见源于训练语料（如Google News语料库）反映了人类社会既有观念，而非人为植入

1

来源数

50%

置信度

长期有效

时效性

2026/8/15

首次发现

来源

AI内容审核的偏见与双标困境：技术根源与解决路径

相关事实

待验证如果训练语料包含性别、种族或文化偏见，模型会继承这些偏见76% 相似待验证训练数据构成决定模型世界观边界的现象在数字人文领域被称为'语料库偏差'（Corpus Bias）69% 相似待验证2019年的研究发现词向量嵌入中存在系统性的性别关联偏见，例如'护士'与女性高度关联而'工程师'与男性高度关联67% 相似待验证迎合偏差（sycophancy bias）指模型倾向于给出用户似乎想要听到的答案60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/750740

API

curl https://kongchang.com/api/v1/knowledge/claims/750740

MCP

get_claim(id=750740)