研究：GPT-4o 在 ADHD 自诊断中受性别线索影响
原文标题：Gender Associations in LLM-Mediated ADHD Self-Diagnosis
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。
论文将情境关联测试（CAT）改造后用于零样本 ADHD 自诊断场景，考察 GPT-4o 是否对性别化关联作出反应。结果显示显式性别线索会放大某些 ADHD 亚型关联，隐式线索则接近真实分布，提示模型的偏见缓解机制可能过度校正。研究强调评估 LLM 医疗自诊断中的性别偏见需关注模型编码的人口学关联。
- 问题
- LLM 医疗自诊断中人口学线索如何影响输出尚不清楚，ADHD 存在性别差异。
- 方法
- 改造情境关联测试，在零样本自诊断场景对比显式与隐式性别线索下 GPT-4o 的关联反应。
- 结果
- 未给出量化结果
- 影响
- 做医疗自诊类产品需警惕显式人口学提示触发过度校正，影响诊断倾向。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GPT-4o在零样本ADHD自诊断中，显式性别线索放大特定亚型关联，隐式线索接近真实分布。
- •研究将情境关联测试（CAT）改造后用于零样本ADHD自诊断场景。
- •显式性别线索一致性地放大某些ADHD亚型关联。
- •隐式线索产生的分布接近代理分布，更接近模型默认行为。
- •作者推测显式人口学线索会激活偏见缓解机制，导致过度校正而非消除偏见。
为什么重要：医疗自诊断是LLM的高风险应用，结果表明偏见缓解可能以过度校正的形式出现，评估不能只看「有无偏见」，还要看线索呈现方式。
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。