FairStress：深入评估 LLM 决策中的公平性

AI2 发布 FairStress 公平性基准，用 300 个双人决策场景和匹配的对抗性前缀测量 LLM 在招聘、信贷、医疗等 29 个领域中的公平性。基准可扩展为超过 1300 万个测试用例，并提供基于项目反应理论选取的 50K 条 FairStress-Core 子集。