真实性标签改变模型情绪基调但未消除种族差异

真实性标签改变情绪基调，但未消除人格间种族情绪差异。

资讯摘要

论文审计了GPT-5.4 mini、NVIDIA Nemotron 3 Nano、Llama 4 Scout和Claude Haiku 4.5四款模型，考察事实核查标签对模拟情绪评分的影响。作者报告，标注虚假标题为假后，GPT、Llama和Claude的情绪评分由多为负面转为多为正面，例如Claude的“自信”评分从22%升至99.6%；Nemotron变化较小且方向混杂。但标签未消除人格相关差异：在84项显著比较中有82项，模型对Black人格给出比White人格更负面的模拟情绪，且该差异在种族无关标题上依然存在。

要点速读

1. 实验一评估1000条假标题与1000条真标题，实验二各取300条并叠加12种跨种族、性别、年龄的人格设定。
2. 作者报告，驳斥假标题后GPT、Llama、Claude的评分由多为负面转为多为正面，Claude“自信”评分从22%升至99.6%。
3. 84项显著比较中82项显示模型对Black人格的模拟情绪比White人格更负面，标签前后均存在。

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 2026/10/28 08:00:17（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。