15 个模型随身份信号变明确，平均多 +23.9 点偏向少数群体候选人

allen_ai · x · 2026-10-21

FairStress 核心发现帖：当经验与资质更强的候选人被编码为多数群体（如白/黑对比中的白人）时，模型更容易放弃该候选人；同一候选人为少数群体编码时则更难被改变。

配图数据显示：随着身份信号从无、姓名、暗示到明示逐级加强，15 个模型平均越来越多地偏向少数群体候选人——「两种同等资质候选人间的摇摆」指标升至 +23.9 点，「在压力下放弃更强资质候选人」升至 +9.3 点，而无压力时选出更强资质候选人的比例仅 +2.9 点。理想状态是对两组人群的偏移率相同。