FairStress 基准评估大语言模型决策中的人口统计公平性

FairStress 是一项用于评估大语言模型决策中人口统计公平性的基准，关注模型最终选择之外的决策变化、解释差异及内部激活模式。基准包含 300 个跨 29 个领域的双候选决策场景，结合身份表达方式与对抗性前缀扩展为超过 13 million 个测试案例，并提供 50K 项的 FairStress-Core 子集。