FairStress：对 LLM 决策公平性的更深层评估

AllenAI 推出 FairStress 基准，测量 LLM 在最终答案之外的决策公平性：29 个领域的 300 个真实双候选场景，经对抗性说服前缀扩展为超 1300 万个测试用例。在包括 Claude Opus 5、GPT-5.5 在内的开源与前沿模型上，它发现了“反刻板印象过度修正”——当改判有利于少数群体编码候选人时，模型放弃正确决策的意愿高出 8.8–42.4 个百分点。为什么重要：现有公平性基准几乎完全遗漏了这种失效模式；FairStress 表明当前去偏可能以一种偏见换取其镜像，对招聘与信贷部署有直接影响。

• Hugging Face Blog2026-10-20 16:09