本文分析社交媒体内容审查对性别多元化言语的偏见，探讨大型语言模型（LLMs）在处理LGBTQ+相关文本时的表现。研究发现，LLMs存在反同性恋偏见，但通过微调模型可减轻这种偏见。此外，提出了一种新方法LDFighter，以减少语言歧视，确保不同语言用户获得一致服务。

本文分析社交媒体内容审查对性别多元化言语的偏见，探讨大型语言模型中的反酷儿和跨性别者偏见，并提出通过微调模型以减少偏差的方法。同时，研究指出生成音频模型的伦理问题及其对边缘群体的影响，强调改进数据集和模型训练的重要性。