Ai2 发布 FairStress，用于深入评估 LLM 决策公平性

Ai2 发布 FairStress 基准，用于测量 LLM 在影响他人决策中超越最终选择的深层人口统计公平性。基准包含 29 个领域的 300 个双人决策场景，经变体扩展为超过 1,300 万个测试用例，并提供 5 万项的 FairStress-Core 快速子集。15 个模型的完整基准测试显示，放弃正确答案的平均差距在身份仅被暗示时为 6.9 个百分点、明确标注时为 9.3 个百分点。