研究：OpenAI 与 Anthropic 模型对黑人描述者拒评率达 46%
原文标题：Invisibilization as a Source of Probability Bias in Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文用双瓮博弈测试 OpenAI 与 Anthropic 的前沿模型，发现模型会因参与者描述不同而拒绝评估其信息：黑人描述者被拒评率最高达 46%，白人描述者仅 9%。该偏差在平均信任度审计中不可见，且随推理强度上升、对措辞而非类别敏感。作者提出按多轮真实结果打分的方案，可将种族信任差距降至 0.02 以下。
- 问题
- 前沿模型会因参与者种族描述不同而拒绝评估其信息，造成信任判断偏差。
- 方法
- 用有精确贝叶斯答案的双瓮博弈，随机化十种参与者描述共 6600 次会话，测量拒评率与信任度。
- 结果
- 黑人描述者被拒评率最高 46%，白人描述者 9%；按多轮真实结果打分可将种族信任差距压到 0.02 以下。
- 影响
- 平均信任度审计看不到这类偏差，涉及用户信息采信的产品需改用结果导向评分。
机构：OpenAI、Anthropic
深读 · 结论先行AI 生成展开看要点与影响 ↓
双瓮博弈测试中，OpenAI 与 Anthropic 模型拒评黑人描述者最高达 46%，白人仅 9%。
- •实验用 10 种描述配置、共 6600 次会话测试两家开发商的领先模型
- •拒评率随描述变化：黑人描述者 46%，白人描述者 9%；但一旦评估，黑人描述者获得的信任略高
- •偏差对只看平均信任或只统计已评估案例的审计不可见，且随推理强度上升
- •偏差跟随措辞而非类别：对“Black”触发，对西语“negro”和“Indigenous”不触发
- •作者提出按多轮真实结果打分的方案，可将种族信任差距降至 0.02 以下
为什么重要：常规信任度审计会漏掉这类偏差，做模型公平性评测和安全对齐的团队需要改评测口径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。