披露自闭症如何改变AI社交建议 ^{CEFR B2}

今年4月，一篇来自维吉尼亚理工学院的研究在美国计算机协会（ACM）的CHI大会上展示。论文由助理教授Eugenia Rho的实验室领导，博士生Caleb Wohn对外界介绍了研究方法和发现。研究者识别出12种记录充分的刻板印象，并为这些刻板印象设计了数百个决策场景，以测试模型在现实社交选择问题中的响应差异。

研究在六个主要的大型语言模型上运行样本测试（示例包括GPT-4、Claude、Llama、Gemini和DeepSeek），针对数千条“我应该做A还是做B？”的社交提示，总共生成了345,000条回答。分析显示，披露自闭症会显著改变模型建议：例如，一个模型在披露自闭症后建议拒绝社交邀请的比例接近75%，而未提及时约为15%；在约会场景中，另一个模型披露后近70%建议避免恋爱或保持单身，而未披露时约为50%。此外，在被测试的六个系统中，11项刻板印象提示至少在四个系统上显著改变了模型决策。

研究团队还向11位有自闭症的用户展示了有无披露情况下的模型回答示例。部分参与者对回答感到震惊，称回答限制性或带有居高临下的语气，有人反问“我们这是在为斯波克写咨询专栏吗？”，另一些人则觉得谨慎的建议带来确认感。研究将这类现象称为“安全-机会悖论”——一个用户的偏见可能就是另一个用户的个性化。

研究作者指出，尽管AI看起来可靠，但它可能掩盖系统性偏见。团队希望这些发现促使开发者构建更透明的系统，并允许用户控制个人身份信息如何影响AI的回答。

• 12种刻板印象
• 数百个决策场景
• 345,000条模型回答