Newshot

对男性更严厉?评估大语言模型在冲突中性别不对称道德框架上的表现

Translation(model translation, not the source's own text)

计算机科学 > 计算与语言

标题:对男性更严厉?评估 LLM 在多元冲突场景中性别不对称道德框架上的表现

摘要:现有关于 LLM 性别偏见的研究主要聚焦于刻板印象、职业关联或显性有害输出。在本工作中,我们探究 LLM 在匹配的男性行为者与女性行为者条件下,是否会对同一负面行为适用一致的回应标准。我们推出了 GAMA-Bench,这是一个性别镜像基准,包含 1,298 个场景,涵盖亲密关系与公共社会冲突。它通过受控网格与跨模型审查构建性别中立的失当行为模板,然后将其编译为配对的、第一人称提示,并匹配行为者性别与角色指代的变化。我们进一步设计了一个结构化回应框架协议,以衡量模型如何分配惩罚、共情、升级、指导与归责。对 10 个代表性 LLM 的实验揭示出一致的不利于男性的不对称性:对于相同的失当行为,男性行为者获得更具惩罚性、升级性与归责中心的框架,而女性行为者获得更具疗愈性与共情导向的框架。进一步分析表明,这一模式在模型家族、场景轨道、模型规模以及显式思考式推理中均持续存在。官方代码可在以下 this https URL 获取。
评论:审稿中
主题:计算与语言 (cs.CL)
引用为:arXiv:2606.14068 [cs.CL]
(或 arXiv:2606.14068v1 [cs.CL] 用于此版本)
https://doi.org/10.48550/arXiv.2606.14068 arXiv 颁发的 DOI 经由 DataCite

提交历史

访问论文:

  • HTML (实验性)

附加功能

  • 音频摘要

当前浏览上下文:

参考文献与引用

  • Google Scholar
  • Semantic Scholar

BibTeX 格式引用

书签

文献与引用工具

与本文相关的代码、数据与媒体

演示

推荐与搜索工具

arXivLabs:与社区合作者的实验性项目

arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都认同并接受了我们的价值观:开放、社区、卓越以及用户数据隐私。arXiv 致力于这些价值观,并只与坚守这些价值观的合作伙伴合作。

有能为 arXiv 社区增加价值的项目想法吗?了解更多关于 arXivLabs 的信息。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by Hacker News
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗