弗吉尼亚大学数据科学学院的分析发现，用人工智能给人类外貌打分，更容易放大数据中的偏见，而非揭示所谓普遍的美学标准。

昆士兰大学团队发现，大型语言模型在扮演不同政治角色时，会在不显著影响整体准确率的前提下，引入稳定的一致性意识形态偏见，从而影响在线仇恨内容审核的公正性。

一项来自弗吉尼亚理工大学的新研究发现，当用户向大型语言模型披露自己是自闭症者时，AI给出的建议会明显朝着刻板印象方向偏移，尤其是在社交和恋爱决策上。

研究团队在一款文本到图像生成式AI应用中嵌入“包容性提示指导”工具，发现该工具能提高用户对算法偏见的认知和编写包容性提示的信心，同时也带来一定的使用挫败感。

新研究发现，先进人工智能在“信任”人类时，既能抓住人类判断的关键要素，又以更僵硬、更系统化的方式放大偏见，并在不同模型间呈现出截然不同的道德取向。

耶路撒冷希伯来大学研究显示，大型语言模型在模拟对人的“信任”判断时，会形成类似人类的结构化评估框架，但应用方式更为僵化，并在金融等情境中表现出更系统、更一致的人口统计偏见。

一位德国学者发现，OpenAI的GPT模型在评估文本时，往往对充满“伪文学”色彩的无稽之谈给出高分，这一现象被认为可能对人工智能发展带来风险。

一项跨国调查发现，当人们先被提醒人类决策存在偏见时，人工智能在招聘等公共决策中的应用会被视为更一致、更公正，从而更易被接受。

信息专员办公室称，埃塞克斯警方在发现潜在准确性与偏见风险后暂停部署LFR，并提醒其他警队采取缓解措施。

人工智能系统正被更广泛地嵌入工作、安全与政治等场景的决策流程。最新研究指出，大型语言模型在接收到一次带有威胁与控制框架的提示后，可能更容易给出惩罚性、怀疑性或非自由主义取向的回答。研究人员认为，这使得模型偏见不再仅是技术层面的议题，也可能在实际应用中带来治理与公共风险。 受控实验：一次“种子”提示后回答出现变化 迈阿密大学与网络传染研究所（Network Contagion Research In