语气之下的偏见：LLM驱动的UX系统中语气偏见的实证表征

本研究论文调查了在会话式UX系统中使用的LLM（大型语言模型）中语气偏见的微妙但重要的问题。该研究强调，即使在提示进行中性回复时，LLM也可能表现出一致的语气偏差，从而可能影响用户对信任和公平的感知。该方法包括创建合成对话数据集，并采用语气分类模型来检测这些偏差。集成模型实现的高F1分数证明了语气偏见的系统性和可测量性。这项研究对于设计更符合道德和值得信赖的会话式AI系统至关重要，强调需要仔细考虑LLM输出中的语气细微差别。

• •即使在提示进行中性回复时，LLM也会表现出语气偏见。
• •语气偏见会影响用户对信任和公平的感知。
• •使用语气分类模型可以系统地测量语气偏见。