#言论公平

审计发现 LLM 内容审核难辨被重新赋权的侮辱语

研究审计四款通用 LLM 与四款专用审核系统，在社区标注的 IYKYK 语料上评估对重新赋权侮辱语的处理。结果显示没有系统能可靠与社区判断一致，对黑人社区重新赋权的词汇失误最多；系统差异主要取决于政策是否写入提示，而非是否专为审核打造。