待验证50% 置信观点精确时间

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

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

内在表征concept 伤害洗白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79% 相似待验证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73% 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）71% 相似待验证来自不同厂商、经历不同训练路径的模型持有不同的先验偏见，从而在交叉审查中形成真正的视角差异70% 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token69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/934530

API

curl https://kongchang.com/api/v1/knowledge/claims/934530

MCP

get_claim(id=934530)