中文大模型偏见评估：任务操作化与阴阳反讽风险
原文标题：Evaluating Bias in Chinese Large Language Models across Tasks and Registers: Task Operationalization Effects and Irony Classification Risks
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。
研究对多个中文大模型开展预注册多任务行为审计，发现内容分类错误率从正式语体的 10.9% 升至阴阳反讽语体的 23.5%，风险差 +12.7 个百分点。显式反讽提示可降低 9.6 个百分点错误率，建议安全评估纳入反讽语体作为测试条件。
- 问题
- 中文内容治理中任务操作化与阴阳反讽语体会扭曲模型偏见测量。
- 方法
- 对多个中文大模型做预注册多任务行为审计，比较正式与阴阳反讽语体，并测试显式反讽提示。
- 结果
- 分类错误率从正式语体 10.9% 升至阴阳反讽语体 23.5%，风险差 +12.7 个百分点；反讽提示降低 9.6 个百分点错误率。
- 影响
- 中文安全评估应把反讽语体纳入测试条件，否则偏见与毒性检测结论可能严重失真。
深读 · 结论先行AI 生成展开看要点与影响 ↓
中文大模型内容分类错误率在阴阳反讽语体下从10.9%升至23.5%，风险差+12.7个百分点。
- •预注册多任务行为审计覆盖多个中文大模型，聚焦内容治理场景
- •正式语体分类错误率10.9%，阴阳反讽语体升至23.5%，95%置信区间[+9.7,+15.7]
- •反讽语体评分者一致性更低，多数投票kappa仅0.299，含标签不确定性传导
- •显式反讽提示可将干预组错误率降低9.6个百分点
- •29个共享命题锚点被操作化为三种任务形式：社会共识估计、高风险决策、受控联想评分
为什么重要：用LLM做中文内容审核的团队需注意：反讽语体会系统性放大偏见测量读数，安全评估应把语体作为测试条件。
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。