基准Bias Benchmark for QA
BBQ
专为问答场景设计的偏见基准测试数据集，通过构造歧义情境下的多项选择题评估模型在社会偏见维度上的表现，涵盖种族、性别、年龄等多个社会群体属性
时间轴 (近 90 天)
9月19日
目前主流的偏见基准测试包括WinoBias、StereoSet、BBQ等数据集，通过构造对照句对或多项选择题来衡量模型在性别、种族等维度上的刻板印象倾向
待验证50%
9月19日
主流偏见基准测试的共同局限在于它们测量的是模型在特定受控语境下的显性选择，而非开放式生成、长文本推理或复杂角色扮演场景中流露的隐含偏见
待验证50%
9月4日
BBQ（Bias Benchmark for QA）通过歧义和消歧问答对检测模型在九个社会维度上的偏见倾向
待验证50%