本研究探讨了浪漫人工智能伴侣与用户之间的性别刻板印象及关系期望。通过三项实验，发现性别角色显著影响大型语言模型的响应，表现出偏见和刻板印象。

通过收集文化歌谣和诗歌数据集，研究识别性别刻板印象并提出了一个97%准确率的模型。研究揭示了文学作品中性别刻板印象的普遍性，并探讨了大型语言模型纠正性别刻板印象的潜力。

本文提出了一种使用单词级别注释训练机器翻译系统的方法，以减少对性别刻板印象的依赖。实验结果表明，这种方法可以使机器翻译系统在五种语言对上的 WinoMT 测试集上准确度提高高达 25.8 个百分点。

本论文提出了一种使用单词级别注释训练机器翻译系统的方法，以减少对性别刻板印象的依赖。实验结果表明，该方法可以使机器翻译系统在五种语言对上的 WinoMT 测试集上准确度提高高达 25.8 个百分点。