研究揭示 GPT 模型存在「危害洗钱」现象

信源1 家

1. [1]arXiv cs.AI一手信源Harm Laundering in GPT Models: Evidence That Gender Discrimination Is Transformed Rather Than Reduced Across Safety-Trained Generations

关键事实

• 研究分析了 15 个模型共 45 万条性别导向的补全内容，涵盖 GPT-2 到 GPT-5。[1]

• GPT-4 阶段女性导向的话题多样性相对男性下降 36%，情感评分出现过度矫正。[1]

• GPT-5 中出现将乳腺癌构建为男性权利辩论的集群，而女性输出中无对应内容。[1]

• 毒性评分与代表性伤害呈负相关，表明毒性降低不代表危害减少。[1]

相关 · 论文