待验证50% 置信注意事项精确时间

基于LLM的AI人格可能继承训练数据中的偏见，包括语言偏见、社会经济偏见和时间偏见，导致对少数群体或非主流观点的系统性误判

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

哈佛MIT构建83亿AI人格模拟全球人口：技术原理与应用前景

涉及实体

大语言模型concept AI人格仿真concept

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77% 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）76% 相似待验证LLM评估相比人工更客观，能在统一评估框架下对候选人一致性打分，避免人类面试官因疲劳、心情、首因效应等认知偏差导致的不公73% 相似待验证exposure bias的根源在于训练与推理的分布不匹配，训练时使用teacher forcing策略而推理时模型依赖自身生成的token73% 相似待验证单一评判模型存在位置偏见、长度偏见和自我偏见等已知偏差72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/914929

API

curl https://kongchang.com/api/v1/knowledge/claims/914929

MCP

get_claim(id=914929)