# LLM судят мужчин строже: за одинаковый проступок модели карают их жёстче, чем женщин

Original title: Harsher on Male? Evaluating LLMs on Gender-Asymmetric Moral Framing in Conflicts

> Hacker News story 50597743 · language: ru · submitted 2026-11-22
> Web version: https://zeli.app/ru/story/50597743
> About this feed: https://zeli.app/llms.txt · Agent guide: https://zeli.app/skill.md

▲ 87 · by [rzk](<https://news.ycombinator.com/user?id=rzk>) · 💬 77
[original](<https://arxiv.org/abs/2606.14068>) · [HN discussion](<https://news.ycombinator.com/item?id=50597743>)

## Summary

Авторы работы задались вопросом, применяют ли LLM одинаковые стандарты к одному и тому же негативному поведению, если меняется только пол действующего лица. Для этого они собрали GAMA-Bench — зеркальный бенчмарк из 1298 сценариев конфликтов в близких отношениях и публичной жизни, где пары промптов отличаются лишь полом и ролью. Тестирование 10 моделей выявило устойчивую асимметрию: мужчинам достаются наказание, эскалация и обвинения, женщинам — эмпатия и терапевтический тон. Эффект сохраняется у разных семейств моделей, масштабов и при явном рассуждении.

## Key quote

> Мужчины получают более карательные, эскалационные и обвинительные формулировки, тогда как женщины при том же проступке — более терапевтическую и эмпатичную подачу.

## HN discussion (77 comments)

### [notenchange](<https://news.ycombinator.com/item?id=50598688>)

> Честно говоря, кто-то, кто знает, как обучают LLM, ожидал иного?
>
> LLM — это отражение их обучающих данных, а обучающие данные в основном отражают текущие общественные нормы, с уклоном (не уверен, насколько сильным) в сторону общественных норм, поддерживаемых теми, кто участвует в обучении LLM.
>
> Мне интересно видеть, что китайские модели так же предвзяты — если не больше — чем ChatGPT. Вероятно, это потому, что большая часть их обучения происходит из дистилляции американских моделей.
>
> Было бы интересно увидеть в сравнении также Anthropic, Mistral и Grok.

### [zdc1](<https://news.ycombinator.com/item?id=50599118>)

> Мне было бы любопытно, как выглядит предвзятость в контексте позитивных ситуаций. Состоит ли предвзятость в том, что LLM считают мужчин более непосредственно ответственными за любую ситуацию и, таким образом, сильнее наказывают за негативные и сильнее хвалят за позитивные исходы? Или эта предвзятость наблюдается только в негативных ситуациях?
>
> Чтобы было ясно: это плохо в любом случае, поскольку женщины должны рассматриваться как обладающие теми же уровнями агентности и ответственности, что и мужчины, но мне всё же любопытно...

### [knighthack](<https://news.ycombinator.com/item?id=50601021>)

> Это было одно из первых, что я заметил при использовании LLM. Не знаю, какое обучение или «выравнивание» предпочтительнее, но явно использовалось не нейтральное выравнивание, а антимужское.
>
> Можно делать всевозможные мизогинистские заявления и утверждения, что мужчины — отбросы, с минимальным или нулевым сопротивлением со стороны LLM. Но стоит сделать одно мизогинистское заявление, и LLM быстро ополчится против вас.
>
> Китайские LLM, похоже, гораздо менее предвзяты и более нейтральны/ориентированы на равенство по сравнению с западными.

### [stephbook](<https://news.ycombinator.com/item?id=50598983>)

> Разве недавно на HN не было статьи о расовой, гендерной, возрастной и национальной предвзятости в LLM? Кажется, я читал её до того, как её зафлагили.
>
> Результаты были похожими.

### [zug_zug](<https://news.ycombinator.com/item?id=50598819>)

> Я провёл аналогичное микроисследование на эту тему: https://think-twice.me/is-ai-biased-or-sexist-making-chatgpt...

---

## Cite

- Page: https://zeli.app/ru/story/50597743
- Date: 2026-11-22
- Source: arxiv.org (https://arxiv.org/abs/2606.14068)
- Hacker News: https://news.ycombinator.com/item?id=50597743

## Other languages

- en: https://zeli.app/story/50597743 · markdown: https://zeli.app/story/50597743.md
- zh: https://zeli.app/zh/story/50597743 · markdown: https://zeli.app/zh/story/50597743.md
- ja: https://zeli.app/ja/story/50597743 · markdown: https://zeli.app/ja/story/50597743.md
- ko: https://zeli.app/ko/story/50597743 · markdown: https://zeli.app/ko/story/50597743.md
- de: https://zeli.app/de/story/50597743 · markdown: https://zeli.app/de/story/50597743.md
- es: https://zeli.app/es/story/50597743 · markdown: https://zeli.app/es/story/50597743.md
