待验证50% 置信观点精确时间

一个在评测榜单上'低偏见'的模型，在实际部署中未必真正公平

1

来源数

50%

置信度

长期有效

时效性

2026/9/19

首次发现

来源

GPT模型的"伤害洗白"：性别歧视被转化而非消除

涉及实体

伤害洗白concept

相关事实

待验证研究发现路由决策本身在该基准上带来的边际质量损失并不显著，模型偏见是更严重的底层问题76% 相似待验证过度对齐本质上是对齐目标函数设定偏差的产物，模型学会了不被批评而非真正有帮助72% 相似待验证假阴性问题会系统性地低估检索质量，使不同方法之间的对比失去意义70% 相似待验证所谓「无审查版」模型意味着缺少安全对齐68% 相似待验证缺乏领域深度的通用模型倾向于给出安全、宽泛的回应，难以在专业语境中激发洞见68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/934525

API

curl https://kongchang.com/api/v1/knowledge/claims/934525

MCP

get_claim(id=934525)