人格塑造了英语和印地语中角色条件 LLM 叙事中的性别偏见：一项实证研究

大语言模型 (LLM) 越来越多地部署在角色驱动的应用程序中，例如教育、客户服务和社交平台，这些应用程序在与用户交互时会提示模型采用特定的角色。虽然角色调节可以改善用户体验和参与度，但它也引发了人们对性格线索如何与性别偏见和刻板印象相互作用的担忧。在这项工作中，我们对英语和印地语的角色条件故事生成进行了一项对照研究，其中每个故事都描绘了印度的一名工作专业人士在 HEXACO 和黑暗三合会框架中系统地变化的角色性别、职业角色和人格特征下制作特定于环境的工件（例如课程计划、报告、信件）。从六个最先进的 LLM 生成的 23,400 个故事中，我们发现人格特质与性别偏见的大小和方向显着相关。特别是，与社会理想的 HEXACO 特征相比，黑暗三人格特征始终与更高的性别刻板印象相关，尽管这些关联因模型和语言而异。我们的研究结果表明，LLM 中的性别偏见不是静态的，而是依赖于上下文的。这表明，在现实世界的应用中使用的角色调节系统可能会带来不均匀的代表性伤害，强化生成的教育、专业或社交内容中的性别刻板印象。