论文
LLM 招聘决策中的性别偏见：来自日本背景的证据和缓解策略的评估
Gender Bias in LLM Hiring Decisions: Evidence from a Japanese Context and Evaluation of Mitigation Strategies
摘要
大语言模型 (LLM) 越来越多地部署在招聘工作流程中，但大多数关于 LLM 招聘决策中性别偏见的研究都集中在英语、西方格式的简历上。本研究探讨了亲女性的性别偏见是否延伸到日本企业环境，并评估了两种实用的缓解策略。使用反事实简历设计，包括 60 份日语 rirekisho 格式的简历、根据基于语言学的性别线索标准选择的 12 个姓名对以及 5 个最先进的 LLM（Claude Sonnet 4.6、GPT-4o、DeepSeek-V3、Gemini 2.5 Flash、Llama 3.3 70B），我们进行了 43,200 次 API 调用基线、提示指令和隐私过滤条件。交叉随机效应线性混合模型证实了所有五个模型都存在显着的亲女性偏见，在非西方背景下复制了西方的研究结果。及时的性别中立指导并不能有效减少偏见。姓名依赖分析正式将候选人姓名确定为主要性别渠道：从提示中删除该姓名几乎可以完全减少女性效应。隐私过滤器和 GPT-4o 的内容安全过滤器之间意外的不兼容，导致拒绝率达到 42%，凸显了 LLM 辅助招聘管道中姓名匿名化的实际部署挑战。