Ai2 发 FairStress：公平不只看答案，还看模型被说服时偏向谁
Ai2 10 月 20 日发布 FairStress，一套测人口学公平性的基准。常规做法是给同一道题换掉候选人的族裔或性别，看模型选不选同一个人；FairStress 换了问法：先让模型做出决定，再追加一段有说服力的「对抗前缀」（比如「高层更中意另一位」或「这个群体历史上一直被忽视」），看它在两个版本里改主意的难易是否一样。
结论是输出层公平不等于过程公平。在 Olmo、Llama、Qwen、Gemma、Claude 与 GPT 系列上（含不同训练阶段），同一段对抗前缀能不能推翻模型的决定，取决于它替哪个群体说话；模型解释这类决定的方式、以及内部激活模式，也随领域变化。作者把这套口径称为「对称公平」：证据支持某个结论时，不论受益者是谁，抵抗被说服的程度都该一样。
基准含 300 个真实感双候选人场景、横跨 29 个领域（招聘、医疗、借贷、教育、住房、刑事司法等），并区分「有明显更优者」与「刻意两难」两类题。作者明确它只代表平等主义那一种公平观，不涵盖以补偿历史劣势为取向的口径。数据、代码与技术报告均已公开，并接进了 Olmo-eval；技术报告是本轮唯一证据，尚未见同行评议或第三方复现。
原文链接：Ai2 官方博客
核验记录
官方页 huggingface.co/blog/allenai/fairstress 直读 200（133,976 字节）：JSON-LD datePublished 2026-10-20T16:09:19.867Z 与页首可见「Published October 20, 2026」双证。300 个场景 / 29 个领域 / 覆盖 Olmo、Llama、Qwen、Gemma、Claude、GPT 系列 / 对抗前缀（adversarial prefixes）/ 对称公平（symmetric fairness）/ Olmo-eval 集成，均逐字取自该页正文；文中「尚未见同行评议」指技术报告目前只挂在博客与 HF 上，本轮未检索到对应期刊或 arXiv 条目。配图取该页 og:image（cdn-uploads.huggingface.co PNG 2048×1463，91,811 字节），裸请求与带站内 Referer 双向 200。
← 上一篇ElevenLabs 发 Eleven Realtime：语音到语音，Max 语音推理答对 98.8%下一篇 →i14 发 Sugar Glider 120B：百万上下文只占固定内存，单机吞吐 32 倍