论文用IFAAB审计发现GPT-4o印度理财建议存在性别与种姓资源差距
资讯摘要
论文提出IFAAB基准，用31,734条GPT-4o生成的印度合成人物理财建议做反事实审计，人物在性别、种姓、教育、就业、居住地、年龄和地区上变化。作者报告仅性别审计中男性标签初始资源高60.1%、建议后高46.8%；加入种姓后建议后差距仍为49.4%；加入地区信息后性别差距降至7.9%。文本相似度平均TF-IDF余弦为0.44，女性更常被引向谨慎储蓄与基础理财知识。
要点速读
- 论文构建IFAAB反事实审计数据集，含31,734条GPT-4o生成的印度合成人物理财建议
- 作者报告仅性别审计中男性标签建议后总资源高46.8%，加入种姓后仍差49.4%，加入地区信息后降至7.9%
- 配对性别回复平均TF-IDF余弦相似度0.44，定性分析显示女性更多被导向谨慎储蓄与基础理财知识
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。