BriefGPT - AI 论文速递 ·

社会偏见探测：语言模型的公平性基准测试

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本研究提出了一种四阶段的框架，用于评估大型语言模型生成的内容中的刻板印象和偏见。以教育领域为案例研究，构建了Edu-FairBench，并发现五个LLMs存在不同程度的刻板印象和偏见。自动评估方法与人工注释相关性高。

🏷️

GPT-6 Astra 在难度最高的AI基准测试中表现出色。但其中的星号比分数更重要。
OpenAI发布GPT-6 Astra，在ARC-AGI-3测试中得分98.6%，远超GPT-5.6 Sol的7.8%，并在数学、编程等基准上大幅提升。尽...
微软称几乎无人通过其聊天机器人获取《纽约时报》文章
微软在版权诉讼中辩称，其AI助手Copilot极少复制新闻或书籍内容。在820万条聊天记录中，仅不到1%包含至少16个匹配词，与《纽约时报》等出版商作品有...
“对混乱的发布感到抱歉”：OpenAI推出GPT-6 Astra，但开发者被拒之门外
OpenAI发布GPT-6 Astra，但发布过程混乱，CEO Sam Altman道歉。API和ChatGPT订阅用户尚未获得广泛访问权限，预计先从Pr...
迄今IFA上发布的最佳科技与数码产品
IFA 2026柏林展会上，多款新科技产品亮相：Acer推出可变形为迷你PC的DualPlay Mini游戏掌机；Dell发布平价笔记本14S，对标Mac...
OpenAI会卖给你Astra，但不会卖给你在ARC-AGI-3上得分98.6%的那套系统
文章探讨了AI模型评测中“框架工程”（harness）的关键作用。以GPT-6 Astra为例，同一模型在不同评测框架下得分差异显著（62.7%对98.6...
Alienware翻新16 Aurora在Woot上降价近200美元
Woot促销翻新Alienware 16 Aurora游戏笔记本，配RTX 5050、1600p 120Hz屏，新客价$927，含一年保修。另推荐Loch...