这就是你问的方式：LLM 中与性别相关的语言偏见

专业沟通越来越多地通过 LLM 进行调解 - 但这些模型是否平等地为所有用户服务？我们发现，当提示包含女性更常用的语言特征（模糊限制、标签问题、集体参考）时，它们会系统地在三种文档类型和四种模型中引出更短、不太复杂和不太正式的回答。在控制了即时复杂性和功能遗留后，这些影响仍然存在。诸如签名之类的明确性别线索与语言方言被编码在相同的表征空间中——这表明了共同的潜在机制——但语言语域的影响力要大得多，可以产生巨大的、一致的效果，而名称则不会产生这种效果。我们的结果进一步表明，事后缓解具有挑战性：因为这些模式是文化嵌入的且不受意识控制，用户无法通过策略性自我呈现轻松避免它们，并且机械分析表明语言特征被编码在早期的 Transformer 层中并与其他特征纠缠在一起。我们的工作要求上游考虑语言变异的影响，以减轻 LLM 介导的工作场所沟通的不同影响。