更新并不公平：跨模型世代的文本到图像人工智能中的性别刻板印象

文本到图像生成模型广泛应用于专业和创意环境中，但它们如何代表不同职业的性别，以及新模型是否更公平，在多代人中仍然知之甚少。我们评估了 20 个职业、5 个提示模板和 4 个稳定扩散模型代（SD 1.5、SD 2.1、SDXL、SD 3 Medium）的性别代表性，生成 8,000 张图像，每个职业模型单元 n = 100（5 个提示 x 20 个图像），并使用 DeepFace 对所有图像进行分类。在 8,000 张开源图像中，76.4% 显示男性受试者（95% CI [75.1%, 78.7%]，p < 2.2 x 10^-16，Benjamini-Hochberg 调整）。更引人注目的是，历史上女性编码职业的图像中有 57.6% 显示男性受试者（原始 p = 3.43 x 10^-22，BH 调整 p = 1.71 x 10^-21）。本文报告的所有 9 项重要测试均经过 10 项测试的 BH 校正。与美国劳工统计局的劳动力数据相比，模型中女性的比例平均低了 20-46 个百分点，对于接近性别平衡的职业来说偏差尤其大：科学家（BLS 中女性占 48%，模型输出中男性占 82-99%）和清洁工（BLS 中女性占 46%，模型输出中男性占 80-92%）。模型生成并没有稳步改善：偏差从 SD 1.5 恶化到 SDXL，然后在 SD 3 介质中部分恢复。与 GPT-image-1 对五种职业的初步比较表明，其偏差低于开源模型，尽管实际效果很小（Cramer 的 V = 0.080）并且比较是探索性的。没有一个模型能够实现性别平等。