研究者发布PowerBench评测权力转移请求偏见

Nicolas Martorell等作者发布PowerBench，用于评估语言模型在处理权力转移请求时的偏见。该评测区分自我赋权、去权和夺权三类请求，并设置不改变权力的拒答诱导请求作为对照。 研究者构建并开源了相关数据集，请求在权力领域、情境、受影响方规模和用户原有权力地位上有所变化；据此评估了24个模型（12个来自美国开发者、12个来自中国开发者），实验条件包括用户与受影响方国籍互相对应、以AI代理作为用户，以及8种请求语言。研究者称，发布PowerBench是为了让这些不对称性在当前和未来的模型中可被测量。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。