换一批大语言模型放大共情性别刻板印象:对专业与职业推荐的影响
LLMs amplify gendered empathy stereotypes and influence major and career recommendations
摘要大语言模型(LLMs)在教育与职业咨询等高敏感场景中的应用日益广泛,其潜在的性别刻板印象风险引发关注.本研究通过三项实验考察LLMs在"共情能力女性强、男性弱"这一刻板印象上的表现及其影响.研究 1 通过人机对比,发现 6 类 LLMs 在情绪共情、情感关注与行为共情维度上的性别刻板印象均显著高于人类.研究 2操控输入语言(中文/英文)与性别身份(男/女),发现英文语境和女性身份启动更易激活LLMs中的刻板印象.研究3聚焦专业与职业推荐任务,发现 LLMs 倾向给女性推荐高共情需求的专业与职业,而给男性推荐低共情需求的方向.总体而言,LLMs 在共情能力上表现出明显的性别刻板印象,该偏见会随输入情境变化,并可迁移至现实推荐任务中.研究为人工智能系统的偏见识别与公平性优化提供了理论依据与实践启示.
更多相关知识
关键词
大语言模型(LLMs)性别刻板印象共情能力AI推荐人机交互large language modelsgender stereotypesempathyAI recommendationshuman-computer interaction
分类号
B842
栏目名称
DOI
10.3724/SP.J.1041.2026.0399
发布时间
2026-03-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览4
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
