本文调查了计算机视觉模型中的社会偏见，并提出了一个社会技术框架，用于评估计算机视觉模型的性能和社会公平考虑。研究发现GPT-4 Vision在性别分类方面准确性较高，但存在歧视性偏见。此外，该模型的情绪检测偏向积极情绪，并对不同性别的图像有明显偏见。研究强调了开发全面评估标准的必要性，以解决计算机视觉模型中的有效性和歧视性偏见。该研究提供了一个框架，以批判性地评估计算机视觉工具，确保其在应用中具有道德性和有效性。

本文提出了一种基于 ImageNet 和 Places365 的全面评估标准，用于检测训练集中不同分布的样本。实验结果表明，不同的ODD检测技术在不同的评估标准下的有效性不同。基于置信度的技术可能优于基于分类器的技术。