SPAGBias：揭示和追踪 大语言模型 中的结构化空间性别偏见

大语言模型 (LLM) 在城市规划中越来越多地使用，但由于性别空间理论强调了性别等级如何嵌入空间组织中，因此有人担心 LLM 可能会重现或放大这种偏见。我们在 LLM 中引入了 SPAGBias - 第一个评估空间性别偏见的系统框架。它结合了 62 个城市微空间的分类、一个即时库和三个诊断层：显式（强制选择重采样）、概率（词元级 不对称）和结构（语义和叙事角色分析）。通过测试六个代表性模型，我们确定了超越公私界限的结构化性别空间关联，形成了细致入微的微观层面映射。故事生成揭示了情感、措辞和社会角色如何共同塑造“空间性别叙事”。我们还研究了即时设计、温度和模型规模如何影响偏差表达。跟踪实验表明，这些模式在模型管道（预训练、指令调整和奖励建模）中嵌入并得到加强，模型关联性大大超过了现实世界的分布。下游实验进一步表明，这种偏差在规范性和描述性应用程序设置中都会产生具体的失败。这项工作将社会学理论与计算分析联系起来，将偏见研究扩展到空间领域，并揭示了 LLM 如何通过语言编码社会性别认知。