大语言模型在自适应探索中衍生出全新社会偏见

当语言模型在交互中自主探索与试错时，偏见的形成有了新的路径。研究显示，模型不仅会复现语料中既有的刻板印象，还能在自适应策略优化中衍生出训练数据之外的社会偏见。强化学习在寻求回报的同时，悄然推演出了未被直接灌输的分化逻辑。