LLM审计显示群体偏差小但个体决策不稳定

摘要

一项研究使用美国消费者金融投诉的社会语言学改写版本，审计了三种补救决策系统（GPT-4o-mini、GPT-5-mini和概率模型Jev）。群体层面，年长、受过大学教育和高社会经济地位风格获得略多的补救，所有货币差距均在0.5个百分点以内。但个体层面，不同风格版本在2.6%至6.3%的情况下产生不同决策；标准化风格使GPT-4o-mini的教育和社会经济地位差距减少94%和87%，但逆转了概率模型的两个差距。作者建议在公平性审计中分别报告群体差异和个体不稳定性。

这里提供经过审核的摘要。完整内容请前往原文阅读。

各行业推荐理由

• 人工智能

  与AI公平性审计相关，强调LLM决策系统在群体层面偏差小但个体层面不稳定性显著，这对面向消费者的模型评估和部署至关重要。