PNAS 研究:LLM 写简历与筛选双重放大劳动力市场性别偏见

AnnaCiaunica · x · 2026-11-19

PNAS 论文《Automating inequality? Gender bias in AI-mediated labor markets》通过审计实验发现:随机改变申请人性别、其余信息不变,LLM 生成的简历呈现性别刻板印象,筛选打分反映职业性别隔离——在男性主导职业中压低女性、女性主导职业中反过来压低男性。薪资建议则追踪真实职业性别薪资差距,即使提示词未明示性别,基于姓名的性别信号也会导致可感知的差距。

作者指出两条相互强化的偏见渠道:评估偏见(相同内容因性别被区别打分)与生成偏见(模型生成带性别色彩的内容影响后续评估)。由于同一套系统既塑造求职材料又评估它们,这种算法放大效应在 AI 介导的求职中构成可量化的风险。

原文链接 →

「漫话AGI」频道最新

更多「漫话AGI」频道 AI 资讯 →