# 研究发现：大语言模型最多46%的情况下会拒绝采信被描述为黑人的记者

> 研究显示，提示词将信息来源描述为黑人时，热门语言模型更常拒绝采信，暴露出潜在偏见。

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

一篇新发表在 arXiv 上的论文《隐形化：语言模型概率偏差的来源》测量了领先模型在得知记者的种族描述后，拒绝采信其报道的频率。研究者在6,600场游戏中使用双瓮游戏，发现 OpenAI 和 Anthropic 的模型有46%的情况下拒绝评估被描述为黑人的记者提供的信息；对于被描述为白人的记者，这一比例为9%。而在模型确实评估信息时，它们对被描述为黑人的消息来源略微更信任。如果评分机制在多轮游戏中奖励正确评估，这种偏见就会消失。

## 事实

- 论文发表于2026-10-23（“Fri Oct 23 2026 06:00:00 GMT+0200”）
- 拒绝率：被描述为黑人的记者为46%，被描述为白人的记者为9%

## 为什么重要

AI 助手开发者需要了解，当前的大语言模型可能会基于对种族的感知，悄然偏袒或拒绝某些信息。这可能影响客户支持、医疗分诊等应用中的公平性。

## 来源与参考

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

最后更新: 2026-10-23