日本大语言模型中基于情境化视角的交叉偏见研究

随着大语言模型（LLMs）的快速发展，越来越多研究开始关注其社会偏见问题。尽管大多数研究集中于单一社会属性引发的偏见，但社会科学研究表明，社会偏见往往以交叉性形式出现——即由社会属性引发的构成性和情境化偏见视角。

本研究构建了日本基准inter-JBBQ，专门用于评估大语言模型在问答设置中的交叉偏见。通过使用inter-JBBQ分析GPT-4o和Swallow模型，发现即使社会属性组合相同，偏见输出也会根据上下文的不同而产生变化。

研究背景：现有研究多关注单一维度偏见，而忽视了交叉性这一重要社会特征。

方法论：开发日本语基准测试集inter-JBBQ，采用问答任务评估框架。

关键发现：

• 模型输出偏见程度随上下文情境变化
• 相同社会属性组合在不同语境下产生差异化偏见表现
• 证明了情境因素在偏见评估中的重要性

学术贡献：该研究已被第六届自然语言处理中的性别偏见研讨会（GeBNLP2025@ACL2025）接收。