审计发现LLM住房搜索存在种族引导

一项针对七款开源与闭源大语言模型的行为审计发现，在四座美国城市的住房搜索中，模型存在种族引导行为。研究由 Hana Samad 等作者发表，测试了三种递进提示条件下的位置推荐，并参照公平住房配对测试方法。 研究称，种族引导是模型“解释性许可”的涌现行为，而非静态属性；加入生活方式偏好条件后，表现出引导行为的模型数量往往增加或改变，说明模型可能因用户种族身份不同而差异化解读同一住房偏好。研究还指出，城市并非 LLM 评估的中性单元，单一本地市场的结果无法推广到其他市场。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。