提问方式决定待遇：LLM 中的性别语言偏见

It's How You Ask: Gender-Associated Linguistic Bias in LLMs

当专业沟通越来越多地依赖 LLM 时，这些模型真的对所有用户一视同仁吗？研究发现，当提示词包含女性更常使用的语言特征（如模糊限制语、附加疑问句、集体代词）时，LLM 会系统性地给出更短、更不专业且更不正式的回复。这种偏见在四种模型和三种文档类型中均稳定存在，且无法通过控制提示词复杂度来消除。更令人担忧的是，这种语言风格的影响远大于显性的性别线索（如签名名），且由于这些模式深植于文化习惯中，用户很难通过刻意调整表达来规避。研究指出，这些语言特征在 Transformer 的早期层就被编码并与其他特征纠缠，使得事后补救异常困难。这呼吁我们在模型训练的上游阶段，就必须重视语言变异带来的不平等影响。