3,583 papers
arXiv:2605.01451 70 2 мая 2026 г. PRO

LLM-DispatchBias: LLM предвзяты только там, где ситуация неоднозначна

КЛЮЧЕВАЯ СУТЬ
Парадокс: LLM предвзята не постоянно — она предвзята ровно там где ситуация размытая. Чёткий запрос с явными критериями — демография почти не влияет. Размытый — модель заполняет пустоту стереотипами из обучающих данных. Метод минимальных пар позволяет найти эти дыры в своих промптах: одна ситуация, два варианта, одно отличие — имя, пол или внешность. Ответы разные — нашёл серую зону. Добавляешь явные критерии с весами — предубеждение резко падает.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с