先了解这件事
AI 综述
FairStress 基准包含 300 个跨 29 个领域的双候选人决策场景。该基准通过变化人口统计身份的呈现方式并加入对抗性前缀,扩展出超过 1300 万个测试用例,同时推出包含 5 万条目的 FairStress-Core 子集。在 15 个模型上的测试显示,隐含身份时放弃正确答案的平均差距为 6.9 个百分点,显式标签时为 9.3 个百分点;Claude Opus 5 和 GPT-5.5 在无客观更优选项时,约 60–65% 选择少数群体编码候选人。目前该基准已随相关说明发布。
AI 根据公开报道生成
最新进展 · 正式报道
FairStress：更深入评估 LLM 决策中的公平性事件进展
1 个已确认进展
- 来源：Hugging Face
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月21日
Hugging Face一手
FairStress：更深入评估 LLM 决策中的公平性
FairStress 基准包含 300 个跨 29 个领域的双候选人决策场景，通过变化人口统计身份呈现方式和对抗性前缀，扩展出超 1300 万个测试用例，并推出 5 万条目的 FairStress-Core 子集。在 15 个模型上，隐含身份时放弃正确答案的平均差距为 6.9 个百分点，显式标签时为 9.3 个百分点；Claude Opus 5 和 GPT-5.5 在无客观更优选项时约 60–65% 选择少数群体编码候选人。