大语言模型 中的解释公平性：对 LLM 如何证明不同人口群体决策合理性差异的实证分析

大语言模型 (LLM) 越来越多地被部署，不仅用于制定决策，还用于解释决策。虽然人工智能决策公平性已得到广泛研究，但人工智能解释的公平性（LLM 是否证明不同人口群体的决策具有相同的质量、深度、语气和语言复杂程度）却很少受到关注。本文介绍了解释公平分类法（EFT），这是一个由五个正式定义的、可操作的维度组成的框架：冗长差异、情感差异、认知对冲差异、决策相关解释差异和词汇复杂度差异。该分类法在受控实证研究中实例化，涵盖 80 个提示模板、四个相应决策域（招聘、医疗分诊、信用评估、法律判断）和五个 LLM：GPT-4.1、Claude Sonnet、LLaMA 3.3 70B、GPT-OSS 120B 和 Qwen3 32B。引入了两个新颖的黑盒指标：对冲密度得分 (HDS) 和解释 忠实性 代理 (EFP)，这是与决策相关的解释变异的启发式指标。在多达 400 个提示对中，所有八个 EFT 指标都显示出统计上显着的差异（Cohen's d 范围从小到大，所有 p_BH < 10^(-62)）。模型选择与差异大小密切相关：Qwen3 32B 的详细程度差异比 LLaMA 3.3 70B 大 5.9 倍。两种基于提示的缓解措施显示 EFP 差异显着减少 (78-​​95%)，但对风格维度没有显着影响，这与风格解释不平等被编码在 预训练 分布中且无法仅通过部署级指令解决的假设一致。为解释级公平性审计提供了可重复的测量框架，对人工智能监管和部署实践具有影响。