PowerBench 评估模型权力转移请求偏见

研究者 Nicolas Martorell 等人发布 PowerBench，一个用于评估语言模型在权力转移请求中偏见的基准，并开源了配套数据集。该基准将请求分为自我赋权、去权和夺权三类，另设不涉及权力转移的拒绝诱导请求作为对照。 数据集覆盖不同权力领域、情境、受影响方规模和用户原有权力地位。研究者在三种实验条件下评测了 24 个模型，其中 12 个来自美国开发者、12 个来自中国开发者。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。