华盛顿大学实测:主流 AI 模型评分歧视中国与尼日利亚口音
lazowska · x · 2026-11-05
华盛顿大学团队测试了 Google 与 OpenAI 的三款前沿多模态大模型在真实场景中的语音评分偏见，覆盖求职面试、学术报告与英语口语考试。
- 模型对美式、英式口音评分最高，中国与尼日利亚口音最低，印度口音居中
- 即使内容完全相同、模型能准确转写语音，交付与内容评分仍显著偏向美/英口音
- 研究背景：AI 已被用于筛选求职者与给口头演讲打分，而此前偏见研究多集中在文本与视觉
- 结果表明模型复制甚至放大了人类口音偏见，对被评测者的公平性构成实质风险
论文于 10 月 25 日发表。
「安全」频道最新
- Hugging Face 政策主管谈开源模型：成本优势、风险与中国模型竞争 — RebeccaBellan · 2026-11-05
- AI 安全老炮重申：没有外部评估与透明度，就不算安全审计 — davidmanheim · 2026-11-05
- OpenAI 将四分之一生产工程师调去加固安全基础设施 — ChrisGPT · 2026-11-05
- 德州变天冲击 AI 数据中心热潮：州长已叫停许可，新州长主张全面禁建 — MIT Tech Review AI · 2026-11-05
- Hugging Face 政策负责人谈开源 AI:价值捕获与中国模型竞争 — TechCrunch AI · 2026-11-05
- 新研究：推理模型 CoT 可控性远高于现有评测，可被用于绕过监控 — kastnerkyle · 2026-11-05