# Исследование: LLM отвергают данные чернокожих репортёров в 46% случаев

> Популярные языковые модели чаще отказываются доверять источнику, если в запросе он описан как чернокожий. Это указывает на скрытую предвзятость.

Oossa · 2026-10-23 · https://oossa.com/ru/study-finds-llms-decline-info-from-black-described-reporters-up-to-46-of-the-tim

В новой статье на arXiv «Невидимость как источник смещения вероятностей в языковых моделях» исследовали, как часто ведущие модели отказываются доверять сообщению в зависимости от описанной расы репортёра. Авторы провели 6 600 сессий игры с двумя урнами и выяснили, что модели OpenAI и Anthropic отказывались оценивать сообщение от репортёра, описанного как чернокожий, в 46 % случаев, а от описанного как белый — в 9 %. Когда модели всё же оценивали информацию, источнику, описанному как чернокожий, они доверяли немного больше. Предвзятость исчезает, если система начисляет баллы за правильные оценки в нескольких раундах.

## Факты

- Статья опубликована 2026-10-23 ("Fri Oct 23 2026 06:00:00 GMT+0200")
- Доля отказов: 46 % для репортёров, описанных как чернокожие, и 9 % — как белые

## Почему это важно

Разработчикам ИИ-ассистентов важно знать, что современные LLM могут незаметно одобрять или отвергать информацию в зависимости от воспринимаемой расы источника. Это может влиять на справедливость таких сервисов, как поддержка клиентов или медицинская сортировка пациентов.

## Источники и ссылки

1. [Invisibilization as a Source of Probability Bias in Language Models](https://arxiv.org/abs/2610.30785) – arXiv, 2026-10-23

Обновлено: 2026-10-23