基准
WinoBias
用于评估NLP模型性别偏见的基准数据集，通过构造包含性别代词歧义的句对来测量模型在职业性别刻板印象方面的倾向
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%