Ai2 发布 FairStress 深入评测大语言模型决策公平性

Ai2 发布 FairStress 基准，用于评估大语言模型在高风险决策中的人口群体公平性，并将其集成到开源评测工作台 Olmo-eval。该基准包含 29 个领域的 300 个双候选决策场景，组合人口身份信息与对抗性前缀后形成超过 13 million 个测试用例，另提供 50K 项的 FairStress-Core 子集。