AI公平性

研究人员提出一种新型训练准则，可有效降低AI语言评分系统对特定输入特征的过度依赖，防止考生通过利用系统漏洞而非提升真实语言能力来获取高分。

研究发现大语言模型推理中存在“演绎刻板印象”现象，模型会将群体统计规律机械套用于个体案例，并提出Fair-GCG框架通过推理时注入特定短语有效缓解此类偏见。

研究者提出ACE评估框架，发现传统校准指标在跨模型比较时存在偏差，准确率控制后模型校准排名常发生反转。