大型语言模型通过自适应探索产生新型社会偏见

一项研究揭示，大型语言模型（LLM）在交互过程中会通过自适应探索机制产生新型社会偏见，而非仅复现训练数据中的既有偏见。该发现表明，模型在与环境或用户动态互动时，可能自主形成并强化此前未见的歧视性行为模式。研究结果对评估和部署LLM时的偏见治理提出了新的挑战。